بخشی از مقاله
چکیده- یک سیستم ناوبري بدون توانایی در شناسایی تقاطعها نمیتواند وسیله نقلیه را در میان شبکههاي پیچیده جادهاي هدایت کند. یکی دیگر از بحثهاي مهم در ناوبري خودکار مکانیابی وسایل نقلیه است. هر اطلاعاتی شامل علائم رانندگی و تقاطعهاي جادهاي میتوانند در امر مکانیابی مفید باشند. روش پیشنهادي روشی مقاوم و کلی است که به منظور شناسایی تقاطعهاي جادهاي از تک تصویر ارائه شده است.
این روش پیشنهادي شامل دو مرحله است و از ترکیبی از ویژگیهاي رنگی، بافتی، مکانی و پرسپکتیوي تصاویر جادهاي استفاده میکند. هدف اصلی روش ارائه شده حذف برخی از پیشفرضهاي روشهاي قبلی است تا عمومیت و کارایی بیشتري به دست آید. در مرحلهي اول با استفاده از خوشهبندي گرافی و استخراج مرزهاي جادهاي بر اساس ویژگیهاي بافتی، سطح جاده تعیین میشود. سپس در مرحلهي دوم با افکنش افقی سطحهاي جادهاي خارج شاخهي اصلی، نوع تقاطعها مشخص میشود. نتایج آزمایشها مقاوم بودن روش در شرایط وجود سایه، کثیفی و ناساختاریافتگی سطوح جادهاي را نشان میدهند.
١- مقدمه
یک سیستم طراحی شده بر پایه بینایی ماشین که میتواند یک مسیر را دنبال کند و توانایی شناسایی تقاطعها و هدایت درون آنها را داشته باشد سادهترین سیستمی است که براي هدایت یک وسیله نقلیه مورد نیاز است. یک سیستم ناوبري بدون توانایی در شناسایی تقاطعها نمیتواند وسیله نقلیه را در میان شبکههاي پیچیدهي جادهاي هدایت کند.
یکی دیگر از مهمترین وظیفههاي یک سیستم ناوبري، تعیین مکانی است که وسیله در آن قرار دارد، بیشتر وسایل نقلیه خودمختار کنونی به منظور تعیین مکان خود به حسگرهاي ماهوارهاي وابسته هستند که خطاهاي غیر قابل چشمپوشی را تحمیل سیستم میکنند، این خطاها که در طول زمان روي هم انباشته میشوند، بعد از مدتی غیر قابل اصلاح میشوند. تقاطعها یکی از نشانههایی هستند که سیستم میتواند با مقایسه آن با نقشه مکان خود را تصحیح کند.
روشهاي معدودي در زمینه شناسایی تقاطع با استفاده از تک تصویر توسعه داده شدهاند. در این روشها وجود فرضهایی مانند در اختیار بودن پارامترهاي دوربین، یکدست بودن سطح جادهها، وجود خطهاي کناري براي جادهها به نحوي عمومیت شناسایی را زیر سوال میبرند. ناپدید شدن خطکشیهاي جادهاي بر اثر تغییرات جوي یکی از موارد رایج مشاهده شده در جادهها است که لزوم مستقل بودن از فرض وجود علائم جادهاي را تاکید میکند. تغییرات پارامترهاي بیرونی دوربین نصب شده بر روي وسیله در حال حرکت، یکی دیگر از چالشهاي روشهایی است که از کالیبرهسازي دوربین استفاده میکنند.
روش پیشنهادي روشی عمومی براي شناسایی تقاطعهاي جادهاي با استفاده از تک تصویر است - GRID - 1 که از ترکیبی از ویژگیهاي رنگی، بافتی، پرسپکتیوي و مکانی جادهها استفاده میکند تا با حذف برخی از پیشفرضهاي رایج در شناسایی تقاطعها، ضمن عمومیت دادن به عمل شناسایی، سرعت و کارایی مناسبتري به دست آید.
GRID را میتوان در دو مرحلهي تشخیص سطح جاده و دستهبندي تقاطعها تشریح کرد. در مرحلهي اول با استفاده از نقطه محوشدگی و تعیین خطوط فرضی براي جاده، ناحیه جالب تصویر استخراج میشود، سپس بعد از خوشهبندي تصویر، خوشههائی که نسبت اشتراکشان با ناحیهي جالب از آستانه ɛ بیشتر باشد، استخراج و ادغام میشوند تا سطح جاده تعیین شود .[1]
در مرحلهي دوم بعد از جداسازي نواحی جادهاي خارج مرزهاي شاخهي اصلی، با افکنش افقی این نواحی، وجود تقاطعها بررسی شده و نوع آنها نیز تعیین میگردد. روش ارائه شده ضمن حذف برخی از پیشفرضهاي قبلی و عمومیت دادن به عمل شناسایی، نتایجی مطلوبی ارائه میدهد. در ادامه ابتدا تاریخچهاي از کارهاي مرتبط ارائه خواهد شد. بخش سوم به شرح روش ارائه شده شامل دو مرحلهي شناسایی سطح جاده و دستهبندي تقاطع میپردازد. در بخش چهارم نتایج روش را بر روي چندین مجموعه داده ایجاد شده شرح داده و در پایان نتیجهگیري خواهیم داشت.
٢- کارهاي مرتبط
روشهاي مختلفی براي شناسایی جاده با استفاده از دوربین نصب شده بر روي وسیلهي نقلیه وجود دارد. مکانیابی لبههاي جادهاي یکی از رایجترین خطمشیهاي پیگیري شده است. شناسایی جادهها بر اساس لبهها، وابسته به وجود لبههاي واضح و مشخص است. استخراج رنگ و آنالیز آن یکی دیگر از روشهاي متداول در شناسایی جادهها است. ویژگیهایی مانند رنگ، شکلهاي هیستوگرامی و شدت رنگ معمولا براي شناسایی جادهها از پیرامون آن استفاده میشوند. برخی از روشها از ایجاد مدلهاي رنگی براي استخراج سطح جادهها استفاده میکنند .[2 , 3] این روشها معمولا تنها از یک مدل رنگی بهره میبرند.
با توجه به این حقیقت که جادهها ترکیب رنگهاي زیادي را شامل میشوند، یک مدل نمیتواند نمایانگر خوبی باشد، به همین جهت این روشها مقاوم نیستند. فرایند شناسایی تقاطع در مقایسه با تشخیص سطح و خطوط جادهاي کمتر بررسی شده است. برخی از این روشها به تشخیص و نقشهسازي شبکههاي جادهاي از تصاویر هوایی میپردازند .[4, 6] استفاده از تکنیکهاي ردگیري چون فیلتر کالمن2 یا میدانهاي تصادفی مارکوف3و تکنیکهاي پایهاي شناسایی جاده مانند شناسایی لبه از رایجترین تکنیکهاي استفاده شده در این روشها هستند .[4] استخراج جادهها از تصاویر هوایی میتواند کاربردهایی مانند ایجاد یا تطبیق نقشه داشته باشد.
تعداد معدودي روش نیز جهت تشخیص تقاطعهاي روبهروي وسیلهي نقلیه توسعه داده شدهاند. این روشها از دوربین نصب شده بالاي وسیله نقلیه بهره میبرند .[5] برخی از این روشها از علامتگذاريها و خطکشیهاي کناري جاده بهره میبرند. ربائی و همکاران [7] از نسبت فاصلهي مرکز جاده تا خطکشیهاي کناري به فاصله تا مرزهاي جاده، براي ایجاد نمایشی از هندسه جادهها استفاده میکنند و سپس با استفاده از آموزش یک مدل سلسه مراتبی 4SVM نوع تقاطعها را تعیین میکند.
کردزیل [8] از ایجاد مدل رنگی از پیکسلهاي بین خطکشیهاي کناري جاده، جهت استخراج سطح جاده بهره میبرد و سپس ناحیه بیرون خطهاي کناري را به عنوان تقاطع تشخیص میدهد. تعدادي از روشهاي تشخیص تقاطع فرض میکنند که ویژگیهاي دوربین را در اختیار دارند. این روشها معمولا با استفاده از مفهوم دید پرندهاي، پرسپکتیو تصویر را حذف میکنند .[7-9]
هدف این روشها استفاده از لبههاي جادهاي براي تفکیک سطح تقاطعها از شاخهي اصلی جاده است. جوزم و همکاران [11] از شبکهي عصبی 5ALVINN در کنار دوربین مجازي استفاده میکنند. شبکهي ALVINN جهت استفاده در جادههاي مستقیم طراحی شده است، آنها با استفاده از دوربین مجازي سعی میکنند تا تقاطعها را به صورت جادههاي مستقیم به ورودي شبکه بدهند.
این روش و روشهایی که بر الگوریتمهاي یادگیري تکیه دارند، علاوه بر نیاز به دادهي آموزشی، در مواقعی نیاز به آموزش مجدد دارند چرا که در شرایط ناشناخته، دقت سیستم به شدت پایین میآید. استفاده از یادگیر میتواند جهت تشخیص سطح جاده یا دستهبندي تقاطعها به کار رود .[7-11] راسموسن [9] از دید استریو استفاده میکند و با ترکیب تصاویر گرفته شده از سه دوربین و ایجاد یک دید وسیع، سعی میکند ابتدا سطح جاده را با مدلهاي آموزش دیده استخراج کند و سپس با استفاده از دستهبند SVM نوع تقاطعها را مشخص کند.
٣- روش پیشنهادي براي شناسایی و دستهبندي تقاطع
روش پیشنهادي را میتوان در دو فاز تشخیص سطح جاده، دستهبندي تقاطعها تشریح کرد. در ادامه هر یک از این فازها را در قالب بخشهاي مجزا شرح میدهیم. شکل :1 تعیین ناحیه جالب براي تصویر الف - تصویر اصلی ب - جهت گرادیانی محاسبه شده با صافی گابور پ - رأيگیري جهت تعیین نقطهي محوشدگی ت - نقطهي محوشدگی ث - خطهاي شعاعی رسم شده از نقطهي محوشدگی ج - تعیین ناحیهي جالب تصویر با تعیین لبههاي کناري
