Математическая модель видеосистемы распознавания дорожной разметки и сигналов светофора

Авторы: Куприянов Андрей Леонидович

.

Рубрика: Технические науки

Страницы: 40-45

Объём: 0,25

Опубликовано в: «Наука без границ» № 4(32), апрель 2019

Скачать электронную версию журнала

Библиографическое описание: Куприянов А. Л. Математическая модель видеосистемы распознавания дорожной разметки и сигналов светофора // Наука без границ. 2019. № 4(32). С. 40-45.

Аннотация: Проведен анализ основных алгоритмов для решения задачи выделения дорожной разметки и сигналов светофора. Разработана структура и математическая модель алгоритма распознавания сигнала светофора и линий дорожной разметки. Проведено моделирование работы алгоритма при различных входных сигналах.

Благодаря совершенствованию методов обработки видеоинформации, активно развиваются системы технического зрения, способные обрабатывать поступающую информацию и автономно управлять робототехническими средствами. В связи с этим за последнее время сильно расширилась область применения автономных транспортных средств. Как правило, они применяются там, где в силу большого объема перевозок по одним и тем же маршрутам применение беспилотных транспортных средств значительно повышает быстродействие и минимизирует количество аварий за счёт снижения человеческого фактора. Для создания такого рода систем следует предварительно провести математическое моделирование работы алгоритмов принятия решения. В данной работе за основу были взяты детектор границ Кэнни и алгоритм Хафа.

Основные элементы дорожной обстановки

1. Разметка. Детектор границ Кэнни используется для поиска границ на изображении, был разработан в 1986 году Джоном Кэнни и использует многоступенчатый алгоритм для обнаружения широкого спектра границ на изображениях. Он работает только с черно-белыми изображениями и является одним из наименее чувствительных подобных методов к шумам на изображении [1].

После детектирования границ необходимо выделить интересующие нас прямые линии, для этого был применен алгоритм Хафа, который используется для поиска геометрических примитивов на изображении. В простейшем случае преобразование Хафа является линейным преобразованием для обнаружения прямых. Главная его идея – учесть характеристики прямой не как уравнение, построенное по паре точек изображения, а в терминах её параметров (расстояния от начала координат и угла наклона к оси абсцисс). Эффективность алгоритма в большой степени обусловлена качеством детектирования границ [2].

2. Светофор. Обработка изображения является достаточно трудоемким процессом и поэтому по возможности стоит рассматривать как можно меньшую его часть для увеличения скорости выполнения алгоритма. Исходя из этого, распознавание сигналов светофора состоит из следующих этапов: перевод изображения в градации серого, выделение на нем границ алгоритмом Кэнни, определение замкнутых границ и поиск среди них объектов похожих на круг, так как предполагается использование обычного светофора. На этом этапе задается радиус искомых окружностей, что фактически определяет дистанцию до светофора, на которой алгоритм начнет его распознавать.

Далее необходимо определить сам сигнал светофора. Область вокруг найденного круга обрезается и представляется нулевой квадратной матрицей размером с диаметр окружности. Заранее задаются границы красного и зеленого цветов в RGB-пространстве, и если пиксель обрезанной области удовлетворяет им, то соответствующему элементу матрицы приписывается единица. Затем находится среднее арифметическое всех элементов матрицы, и, если оно больше определенного порога, – принимается решение о соответствующем сигнале светофора.

Математическая модель системы принятия решения

Для того чтобы использовать описанные методы в широком диапазоне условий работы, был использован входной фильтр, необходимый для уменьшения влияния различного рода шумов: зернистость изображения, различные блики на дороге и эффект ореола при распознавании сигнала светофора. Важным пунктом здесь является условие применимости фильтра одновременно для обоих алгоритмов.

По результатам анализа научной литературы и проведенных моделирований было принято решение использовать следующую предобработку: размытие по Гауссу, повышение контрастности и Виннеровскую фильтрацию [3].

Входное изображение размывается функцией Гаусса. Таким образом, убираются различные мелкие объекты, которые могли бы быть выделены детектором границ.

Далее следует этап повышения контрастности, что также помогает дополнительно отфильтровать мелкие объекты. После этого применятся фильтр Виннера для деконволюции смазанного изображения.

В результате, на вход детектора границ приходит очищенное от мелких объектов и шумов бинарное изображение, что в свою очередь повышает быстродействие и надежность последующих алгоритмов.

1. Моделирование работы системы при выделении светофора. Как видно из результатов моделирования алгоритмов распознавания сигналов светофора, применение фильтрации обеспечивает на этапе заполнения замкнутых границ гораздо более чистое изображение, что в свою очередь повышает правильность определения сигнала светофора (рис. 1 и 2). Особенно это проявляется на зашумленном изображении (рис. 3 и 4). На рис. 5 алгоритм распознает сигнал светофора, не распознававшийся без фильтра (рис. 6).

Результат моделирования алгоритма распознавания светофора с входным фильтром на первом изображении

Рис. 1. Результат моделирования алгоритма распознавания светофора с входным фильтром на первом изображении

Результат моделирования алгоритма распознавания светофора без входного фильтра на первом изображении

Рис. 2. Результат моделирования алгоритма распознавания светофора без входного фильтра на первом изображении

Результат моделирования алгоритма распознавания светофора с входным фильтром на втором изображении

Рис. 3. Результат моделирования алгоритма распознавания светофора с входным фильтром на втором изображении

Результат моделирования алгоритма распознавания светофора без входного фильтра на втором изображении

Рис. 4. Результат моделирования алгоритма распознавания светофора без входного фильтра на втором изображении

Результат моделирования алгоритма распознавания светофора с входным фильтром на четвертом изображении

Рис. 5. Результат моделирования алгоритма распознавания светофора с входным фильтром на четвертом изображении

Результат моделирования алгоритма распознавания светофора без входного фильтра на четвертом изображении

Рис. 6. Результат моделирования алгоритма распознавания светофора без входного фильтра на четвертом изображении

2. Моделирование работы системы при выделении разметки. Как было отмечено ранее, чем меньше область поиска объектов на изображении, тем меньше ошибок будет возникать в процессе работы. С этой целью была реализована обрезка изображения по линии горизонта. Точка пересечения линий разметки, возвращаемых алгоритмом Хафа, совпадает с линией горизонта. Ордината этой точки после первой итерации алгоритма передается в начало, и по ней обрезается входное изображение для следующей итерации. В результате область, в которой априори отсутствуют линии разметки, исключается из анализа, что ведет к снижению ошибок и повышению быстродействия.

Из результатов моделирования видно, что по сравнению с алгоритмом без входного фильтра (рис. 7), использование фильтрации значительно упрощает поиск заданных линий из-за меньшей зашумленности изображения, а на рисунке 12 алгоритм распознает дорожную разметку более корректно, чем тот же, но без фильтра (рис. 11).

Результат моделирования алгоритма распознавания дорожной разметки без входного фильтра на первом изображении

Рис. 7. Результат моделирования алгоритма распознавания дорожной разметки без входного фильтра на первом изображении

Результат моделирования алгоритма распознавания дорожной разметки с входным фильтром на первом изображении

Рис. 8. Результат моделирования алгоритма распознавания дорожной разметки с входным фильтром на первом изображении

Поиск точки пересечения линий разметки

Рис. 9. Поиск точки пересечения линий разметки

Обрезанное алгоритмом входное изображение

Рис. 10. Обрезанное алгоритмом входное изображение

Результат моделирования алгоритма распознавания дорожной разметки без входного фильтра на втором изображении

Рис. 11. Результат моделирования алгоритма распознавания дорожной разметки без входного фильтра на втором изображении

Результат моделирования алгоритма распознавания дорожной разметки с входным фильтром на втором изображении

Рис. 12. Результат моделирования алгоритма распознавания дорожной разметки с входным фильтром на втором изображении

Поиск точки пересечения линий разметки

Рис. 13. Поиск точки пересечения линий разметки

Обрезанное алгоритмом входное изображение

Рис. 14. Обрезанное алгоритмом входное изображение

Заключение

В данной статье рассмотрена модель видеосистемы технического зрения автономной платформы и проведено моделирование ее работы, в результате чего были получены следующие результаты:

- фильтрация входного изображения ведет к значительному снижению зашумленности изображения, что в свою очередь влечет снижение ошибок распознавания сигналов светофора и линий дорожной разметки;

- необходим высококачественный источник изображения, неподверженный влиянию агрессивных условий внешней среды;

- на всем протяжении трассы по возможности не допускать попадания в объектив камеры наружных реклам и посторонних светящихся объектов, а также обеспечить хорошую видимость разметки.

Список литературы

1. Журавель И. М. Краткий курс теории обработки изображений. Обработка сигналов и изображений / Image Processing Toolbox. Режим доступа: http://matlab.exponenta.ru/imageprocess/book2/
2. Cheyne Gaw Ho, Rupert C. D. Yong, Chris D. Bradfield, Chris R. Chatwin, «A Fast Hough Transform for the Parametrisation of Straight Lines using Fourier Methods», Real-Time Imaging, 2000, vol. 6, no. 2, pp.113-127
3. Гонсалес Р., Вудс Р. Цифровая обработка изображений. –  М.: Техносфера, 2005. – 331 с.

Материал поступил в редакцию 09.04.2019
© Куприянов А. Л., 2019