بخشی از مقاله
چکیده
از آنجائی که بسیاری تصادفات و نابسامانیهای ترافیکی ناشی از عبور خودرو از روی خطوط جاده میباشد که بعضاً به صورت سهوی رخ میدهد، لذا شناسایی و تشخیص خودکار خطوط روی جاده و هشدار به راننده کمک بزرگی به افزایش دقت رانندگی و کاهش نرخ تصادفات خواهد بود. بر این اساس شناسایی خودکار خطوط جاده به کمک پردازش تصویر یکی از امور مهم قابل بکارگیری در سیستمهای کمک به راننده پیشرفته - ADAS - است. به علت تفاوت نوع و میزان روشنایی، پردازش مؤثر تصویر در شب و روز یکسان نمیباشد. در این مقاله، روشی به منظور تشخیص خطوط جادهای طی شب ارائه گشته است.
در روش ارائه شده، ضمن لحاظ نکات مربوط به استخراج خطوط در حالت کلی، مواردی منحصر به روشنایی شب اضافه گردیده است. در وهله نخست، عملیاتی شامل انتخاب بخش مطلوب از تصویر، بهبود کنتراست و اعمال فیلتر وینر وفقی بر بخش انتخاب شده تصویر انجام شده، و بعد از آن تبدیل گاما به عنوان پیش پردازش بر تصویر اعمال میگردد. در مرحله بعد، فرایند ناحیهبندی مناسب، اعمال ویژگیهای مکانی دارای تقارن، و فیلترهای مکانی اجرا میگردد.
در مرحله بعد، استخراج خطوط مبتنی بر تبدیل هاف احتمالی پیشرونده - PPHT - و تشخیص نوع خط و تطبیق خطوط استخراج شده بر روی تصویر اصلی انجام میشود. با استفاده از بانک اطلاعاتی SYSU Night-time Dataset روش پیشنهادی از کارآیی خوبی برخوردار بوده و در عین حال نتایج شبیه سازیها حاکی از بازدهی مناسب و مطلوب این روش مبتنی بر معیارهایی همچون صحت و دقت میباشد.
-1 مقدمه
علائم سطح جادهای، همچون خطوط و نمادها، برای راننده ضروری بوده زیرا اطلاعات مفیدی را ارائه میدهند که ترافیک را هدایت و تنظیم میکنند. علائم مسیر، به منظور نگه داشتن وسایل نقلیه در مسیرهای درست، ابزار مهمی برای برقراری ارتباط بین مقررات و دستورالعملها هستند. این علائم را میتوان برای تعیین مکان دقیق وسایل نقلیه در محیطهای چالشبرانگیز استفاده کرد که در آن به دلیل تداخل سیگنال - Wu & Ranganathan, 2013 - - برای مثال، ساختمانها، درختان، و دیگر موانع - ، تنها استفاده از 1GPS نمی-تواند سطح بالایی از دقت را تضمین کند. علاوه براین، سرعت وسیله نقلیه را میتوان با استفاده از مکان علائم جاده نیز تخمین زد. بنابراین، روشی قوی برای شناسایی و تشخیص علائم جاده که در شرایط مختلف پایدار است برای بسیاری از کاربردها ضروری است.
در میان حوادث مختلفی که در حال حاضر اتفاق میافتد، خروج ناخواسته از خط علت اصلی به خطر افتادن زندگی انسانها است. برخوردهای ناشی از خروج از خط علت اکثر تلفات بزرگراهها محسوب میشود و باعث مرگ صدها انسان، صدمات هزارن نفر، و میلیاردها دلار خسارت در هر سال میشود. تصادفات مرگبار میتواند به دلیل بیتوجهی راننده به اتومبیلهای اطراف و خواب آلودگی، در عرض یک ثانیه رخ دهد. برای کاهش تعداد حوادث ترافیکی و بهبود ایمنی، تحقیقات در مورد سیستم کمک به راننده - 2DAS - در طی سالها در سرتاسر جهان انجام شدهاست. کنترل کروز تطبیقی - 3ACC - ، مانیتورینگ نقطه کور - 4BSM - ، و هشدار خروج از خط - 5LDW - نمونه-هایی از سیستم کمک به راننده هستند.
علاوه براین، سیستمهای کمک به راننده پیشرفته - 6ADAS - و سیستم رانندگی خودکار - 7ADS - میتوانند تا حد زیادی از اطلاعات ارائه شده توسط علائم جاده بهرهمند شوند. در واقع، شناسایی و تشخیص قوی علائم جاده میتواند دقت رانندگی خودکار را بالا ببرد، تعداد تصادفات را کاهش دهد و ترافیک و راهبندانها را کم کند، زیرا بیشتر این عوارض و سختیها ناشی از نقض قوانین ترافیکی می-باشند.LDW به طور مداوم موقعیت خودرو روی خطوط جاده در هر دو طرف را نظارت میکند. اگر وسیله نقلیه در فاصله مشخصی از نشانگر قرار بگیرد، راننده مطلع میشود و یک اقدام اصلاحی را میتواند انجام دهد. با استفاده از LDW، خروج از خط ناخواسته ناشی از بی-توجهی، حواس پرتی و خستگی راننده را میتوان کاهش داد.
طی دهههای اخیر، سیستمهای شناسایی، مسیریابی و تشخیص خطوط از مقبولیت گستردهای در حوزهی صنایع خودرو و رایانه برخوردار گشتهاند. بر اساس مقالات مختلف، سیستمهای متعدد و متداول تجاری تحت عناوینی همچون سامانههای Chen et al., - LDW - 2009 ؛ کنترل جانبی - 8LC - ؛ کنترل کروز هوشمند - 9ICC - ؛ و هشدار برخورد - Liu et al., 2008 - - 10 CW - ، پیشنهاد شدهاند.شناسایی و تشخیص مطمئن علائم جاده بسیار چالش برانگیز است.
نخست این که، از آنجایی که کشورهای مختلف استانداردها و الزامات ترافیکی متفاوتی دارند علائم جادهای از لحاظ رنگ و شکل در بین کشورها تفاوت میکنند همچنین، چالشهای مشترکی همچون انسداد11، سایهها، و شرایط مختلف آب و هوایی به تشخیص اشتباه منجر میشود. در نهایت، علائم جاده معمولاً با دست نقاشی شدهاند و مستعد تغییر در اندازه، جهت، و شدت رنگ حتی در داخل یک شهر، هستند. علاوه بر این، آنها به دلیل فرسودگی - یعنی آسیب دیدن در اثر سایش و استفاده - اغلب از بین میروند یا قسمتهایی از آنها دیده نمیشوند.
سیستم تشخیص خطوط جاده از ماژولهای مختلفی همچون گرفتن ویدئو/تصویر از خطوط جاده، مدلسازی خط، استخراج ویژگی، تشخیص خط، سیستم مسیریابی خطوط و هشدار خروج از خط، تشکیل شدهاست. مدلسازی خط برای به دست آوردن توصیف ریاضی خطوط جاده استفاده میشود. در مرحله استخراج ویژگی، ویژگیهای خاص خط همچون لبه، بافت یا رنگ و غیره، شناسایی میشوند. تشخیص خط با تنظیم مدل خط با ویژگیهای استخراج شده انجام میشود.
سرانجام، تغییرات مسیر با استفاده از ماژول مسریابی خط دنبال میشود. در حین اجرای سیستم باید شرایط پیچیده مختلف همچون نوع خط، ساعات روز، آب و هوا و شرایط رانندگی را در نظر بگیریم . - 2EUDGRYL HW DO.' 2013 - ساختار ادامه مقاله حاضر به قرار زیر میباشد: در قسمت 2 ماژول ها و مراحل سیستم پیشنهادی ما را شرح داده میشود. آزمایش و ارزیابی سیستم در قسمت 3 گزارش شدهاست. سرانجام، در قسمت 4 مقاله خود را نتیجهگیری میکنیم.
-2 روش پیشنهادی
در این مقاله، روش پیشنهادی جهت شناسایی و تشخیص خطوط در شب ارائه میشود. با ترکیب روشهای مختلف برای این کار نسبت به کارهای پیشین نتیجه بهتری حاصل می شود. همانطور که در شکل 1 - الف - و - ب - مشاهده می شود، مراحل کلی کار و نیز زیربخش های هرقسمت مشاهده میشود، که در ادامه توضیح تمامی قسمتها به طور کامل آورده شدهاند.
