بخشی از مقاله
چکیده- شناسایی جاده امري کلیدي در هوشمند سازي خودروها در دنیاي امروز محسوب میشود. این موضوع علاوه بر اینکه در ناوبري موفقیتآمیز خودرو بسیار مؤثر بوده، خطرات ناشی از رانندگی را نیز کاهش میدهد. تاکنون روشهاي مختلفی براي این هدف مورد استفاده قرار گرفته که از نظر حسگرهاي بکار رفته و در دسترس بودن آنها، هزینه، پیچیدگی محاسباتی و زمان پردازش با یکدیگر متفاوت میباشند.
در این مقاله با روشی بسیار ساده و کم هزینه و تنها با استفاده از حسگر دوربین، شناسایی جاده را محقق میکنیم. ابتدا تصویر را به فضاي تغییرناپذیر با شدت روشنایی تبدیل کرده و اثر سایه و تابش نور شدید بر سطح جاده را کاهش میدهیم، سپس از الگوریتم آبگیر به عنوان روش پایهاي بهره گرفته و با استفاده از نقطه محو شدن و خط افق تصویر، به صورت تطبیقی روي هر تصویر، حدس اولیهاي از سطح جاده و پسزمینه تشکیل داده و به کمک این دانش اولیه، مشکلات بیش قطعهبندي روش آبگیر اولیه را برطرف کرده و با دقتی بالا، جاده تشخیص داده میشود. به عنوان مزیت این روش علاوه بر دقت، میتوان به سادگی و عدم پیچیدگی محاسباتی، عدم نیاز به حسگرهاي کمکی دیگر و سرعت بسیار مطلوب آن در مقایسه با سایر روشها پرداخت.
١- مقدمه
شناسایی جاده یکی از ضروريترین حوزههاي تحقیقاتی در زمینه توسعه سیستمهاي هوشمند دستیار راننده محسوب می- شود. منظور از شناسایی جاده، تشخیص مسیر قابل رانندگی در جلوي خودرو میباشد که حرکت خودرو در این مسیر، نه تنها به ناوبري بهتر آن کمک میکند، بلکه باعث کاهش خطراتی نظیر حواسپرتی راننده و تصادفات خواهد شد.
براي نیل به این هدف از حسگرهاي مختلف تعبیه شده در خودروها میتوان بهره گرفت که از مهمترین آنها میتوان به رادار، لیدار، سیستم موقعیت جهانی و دوربین اشاره کرد که هریک به روشی، به استخراج داده از محیط پرداخته و شناسایی جاده را محقق میسازند. حسگرهاي مختلف بکار رفته در این حوزه از جنبههاي مختلفی با یکدیگر قابل مقایسه هستند. یکی از اصلیترین این موارد بحث هزینه و در دسترس بودن آنها است که بهکارگیري آنها را با دشواريهایی روبهرو میسازد.
دوربین یکی از اساسی- ترین و پرکاربردترین حسگرها در حوزه شناسایی جاده محسوب میشود. اولین دلیل آن را میتوان در قیمت مناسب آن و دسترسی راحت به این حسگر جستوجو نمود. همچنین این حسگر با الهام گرفتن از سیستم بینایی انسان تعبیه شده و در صورت پردازش مناسب دادههاي حاصل از آن، به خوبی میتواند در لحظات بحرانی، احتمال بروز خطرات ناشی از بیدقتی راننده را کاهش دهد.
شناسایی جاده با تک دوربین با رویکردهاي مختلفی انجام شده است. در تعدادي از این روشها، یافتن خطوط کناري جاده و همچنین خطوط مشخص کننده مسیرهاي مختلف در سطح جاده به عنوان هدف نهایی در نظر گرفته میشود .[1] در این روشها، با استفاده از یافتن مدلی ساده و خطی، نقطه محو شدن جاده محاسبه شده و با استفاده از جهتگیري غالب خطوط، کنارهها در نظر گرفته میشوند1]و.[2 این روش در مسیرهاي داراي پیچوخم به خوبی نمیتواند کنارهها را استخراج نماید، لذا در پارهاي از روشها از برازش منحنیهاي با درجات بالاتر به کنارههاي جاده استفاده میگردد.
این روشها اگرچه بسیار پرکاربرد هستند اما مواردي نظیر وجود سایه در کنارهها، وجود مانع یا خودروي دیگر در راستاي این خطوط، تابش نور شدید در لنز دوربین و غیره میتواند شناسایی این خطوط را با چالشهاي جدي روبهرو ساخته و دقت روش شناسایی را به شدت کاهش دهد. بنابراین رویکرد دیگري نیز در شناسایی جاده بکار گرفته شده که در آن به جاي تمرکز بر خطوط کناره، از بافت و رنگ تشکیل دهنده سطح جاده به منظور شناسایی استفاده میشود. این روش- ها با استخراج ویژگی در سطح پیکسل و یا در همسایگیهاي مختلف، اقدام به برچسبزنی پیکسلهاي تصویر میکنند.[3]
از جمله چالشهاي جدي که در بحث شناسایی جاده بر مبناي روشهاي بینایی مطرح است میتوان به وجود سایه، مدل- هاي پیچیدهتر جاده، تابش نور شدید به سطح جاده، وجود خودروهاي دیگر در سطح جاده، شرایط هوایی ابري، بارانی و غیره اشاره نمود. این مسائل به شکل محسوسی دقت روش شناسایی را تحت تأثیر قرار میدهد. بنابراین روشهاي مختلفی براي مواجهه با این مشکلات ارائه شده است که از جمله میتوان به شناسایی جاده با استفاده از مدلهاي مختلف سطح جاده توسط آلوارز و همکاران [4]، استفاده از فضاهاي رنگی مثل HSI براي پایداري بیشتر نسبت به شرایط نوري مختلف[5] و استفاده از فضاي رنگی تغییرناپذیر با شدت روشنایی[6] اشاره نمود.
براي افزایش دقت روشهاي شناسایی جاده، استفاده از چند حسگر به صورت همزمان و یا استخراج جاده با روشهاي مختلف توسط یک حسگر و بهرهگیري از ترکیب نتایج آنها نیز به عنوان رویکردي جدید مطرح است. در [7] با استفاده از حسگر دوربین و از طریق روشهایی چون استخراج ساختار سه بعدي جاده، مدل کنارههاي جاده و اطلاعات اولیه دیگر و ترکیب آنها، دقت بالایی براي شناسایی حاصل شده است. این روشها اگرچه دقت بالایی را ارائه میدهند، اما پرهزینهتر و داراي پیچیدگی محاسباتی بالاتر بوده و زمان پردازش بیشتري نیاز خواهند داشت.
در این مقاله با استفاده از دوربین شناسایی جاده را انجام می- دهیم. این حسگر به سادگی در دسترس بوده و بسیار کم هزینه میباشد. از آنجا که در این مقاله ویژگی رنگی پیکسلهاي تصویر به عنوان پایه شناسایی مورد استفاده قرار میگیرد، لذا ابتدا براي کاهش اثرات مخرب تغییرات شدت روشنایی نظیر وجود سایه، تابش نور شدید به سطح جاده و غیره، تصویر را به فضایی مقاوم نسبت به شدت روشنایی تبدیل میکنیم.[6]
سپس به منظور بهبود عملکرد روش شناسایی و کاهش نرخ برچسبگذاري نادرست پیکسلهاي تصویر، با استفاده از خط افق تصویر، ناحیه جالب براي شناسایی را تشکیل داده و تنها پیکسلهاي واقع در ناحیه زیر خط افق را به عنوان نامزد سطح جاده مورد ارزیابی قرار میدهیم. در ادامه، با بهبود عملکرد الگوریتم آبگیر بر اساس دانش اولیه از سطح جاده و پسزمینه، به سادگی و با دقت و سرعت مناسب، شناسایی جاده را انجام میدهیم.
براي این منظور، با فرضهایی ساده و نوآورانه، نامزدهایی را در پایین تصویر به عنوان جاده و همچنین پیکسلهایی را در راستاي خط افق به عنوان نامزد پسزمینه در نظر گرفته و قطعهبندي تصویر را بر اساس آنها انجام داده و مشکل بیش قطعهبندي الگوریتم آبگیر را برطرف میکنیم. نکته مهم در مورد پیکسلهاي نامزد جاده و پسزمینه در این مقاله، انتخاب آنها به صورت تطبیقی بر روي هر تصویر است که بر خلاف روشهایی که از نواحی ثابتی بدین منظور بهره میگیرند از دقت و قابلیت اطمینان بالاتري برخوردار خواهد بود و وجه تمایز آن با روشهاي مشابه است. این انتخاب صحیح، دقت روش قطعهبندي آبگیر اولیه را با فرضهایی ساده به صورت چشمگیري افزایش میدهد.
ادامه این مقاله بدین شرح است که ابتدا در بخش 1-2 به معرفی روش تغییرناپذیري تصویر نسبت به شدت روشنایی[6] میپردازیم. استفاده از نقطه محو شدن براي استخراج ناحیه جالب تصویر در قسمت 2-2 توضیح داده خواهد شد. در قسمت 3-2 روش آبگیر بهبود یافته براي شناسایی جاده مورد بحث قرار می- گیرد. نتایج روش و مقایسه آن با سایر رویکردها در این حوزه در بخش 3 انجام میگیرد و در پایان در بخش 4 نتیجهگیري را خواهیم داشت.
٢- روش پیشنهادي
١-٢- معرفی فضاي رنگی تغییرناپذیر با شدت روشنایی
شرایط نوري مختلف مانند وجود سایه در بخشهایی از تصویر، تابش نور شدید به لنز دوربین یا قسمتهاي جاده میتواند روال شناسایی جاده را با دشواريهایی روبهرو سازد. بنابراین نیاز است که تصویر در فضایی مقاوم به شرایط روشنایی مختلف مورد بررسی قرار گیرد.
تغییرناپذیر با شدت روشنایی
٢-٢- یافتن ناحیه جالب تصویر
بررسی تصاویر مختلف شامل سطح جاده نشان میدهد که براي جستوجوي جاده نیاز نیست کل فضاي تصویر مورد ارزیابی قرار گیرد. این کار میتواند سرعت پردازش را تا حد زیادي افزایش داده و همچنین دقت روش را تحت تأثیر قرار دهد. بنابراین بهتر است به جاي بررسی کل تصویر، در ناحیه جالب آن، به جستوجوي جاده بپردازیم و پیکسلهاي خارج از ناحیه جالب را به صورت خودکار به عنوان پسزمینه در نظر بگیریم.
در نظر گرفتن ناحیه جالب به صورت دقیق در تصویر میتواند در بهبود کارایی روش شناسایی ارتباط مستقیمی داشته باشد، لذا براي این منظور، از نقطه محو شدن تصویر و سپس خط افقی گذرنده از آن استفاده میکنیم و به جاي بررسی کل تصویر، تنها در پایین خط افق به دنبال جاده خواهیم گشت. براي محاسبه نقطه محو شدن در تصویر از روش معرفی شده در [8] بهره میگیریم.
در این روش، ابتدا براي محاسبه جهت- گیري غالب هر پیکسل به صورت محلی، از صافیهاي گابور استفاده میشود. براي تخمین جهتگیري غالب محلی هر پیکسل، تصویر سطح خاکستري I - p - با چهار صافی گابور در راستاي طول، عرض و جهتهاي قطري کانوالو میشود. این چهار جهت براي مشخص نمودن کل فضاي زاویهاي استفاده شده و به خوبی میتوانند در بدست آوردن نقطه محو شدن کمک نمایند و براي بهبود سرعت پردازش نیازي به بررسی سایر جهتها نیست.
پس از این مرحله، براي هر پیکسل پاسخهاي انرژي گابور محاسبه شده و از بین آنها، دو بزرگی غالب فعالیت صافیها به عنوان نمایش جهتگیري غالب بافت محلی استفاده میشود. مرحله بعد نیاز است که با استفاده از رأيگیري، نقطه محو شدن محاسبه گردد. براي این منظور، پرتوهایی به رأس نقطه p و در جهتهاي مذکور در یک فضاي انباشتگی با مقدار اولیه صفر ترسیم میشوند و پیکسلهایی که روي پرتو مذکور در تصویر قرار بگیرند، مقدار انباشتگی آنها افزایش مییابد و در نهایت پیکسل با بیشترین رأي به عنوان نقطه محو شدن در نظر گرفته میشود.
حال که نقطه محو شدن بدست آمد، خط افقی گذرنده از آن را در نظر گرفته و ناحیه جالب تصویر را زیر این خط در نظر میگیریم. بنابراین کلیه پیکسلهایی از تصویر که در بالاي این خط واقع شدهاند را به عنوان پسزمینه در نظر میگیریم. با این کار هم دقت روش شناسایی جاده بهبود مییابد و هم اینکه سرعت پردازش به دلیل حذف کردن حدود نیمی از تصویر، به شکل قابل توجهی افزایش مییابد. در شکل 2 نقطه محو شدن و خط افقی گذرنده از آنکه توسط این روش استخراج شده است به ترتیب با نقطه آبی رنگ و خط قرمز رنگ مشاهده میشوند.
