Search

Problem ovoga rada je bio opis rada i kreiranje algoritma za detekciju prometnih traka. Za kreiranje algoritma se koriste OpenCV, Matplotlib i NumPy biblioteke. Algoritam je opisan u par koraka, od kojeg je najvažnija obrada slike. Slici je najbitnije prvo transformirati perspektivu, nakon toga slika se obrađuje pomoću HSL područja boja te se time reduciraju smetnje. Rezultat tih funkcija je binarna slika. Primjenom Canny algoritma detektiraju se rubovi slika kojom se završava obrada, nakon toga se pronalaze pravci koji predstavljaju prometne trake uz pomoć Houghove transformacije. Iz dobivenih pravaca stvara se jedan prosječni pravac kako bi se što bolje prometne trake prikazale. Na kraju, vraća se filtrirana slika u normalnu perspektivu i spaja se s ulaznom slikom. To je ukratko opis algoritma, a nakon toga se izvode testiranja. Takav algoritam je dovoljno brz za izvođenje u stvarnom vremenu, ali nije dovoljno efektivan za uporabu u stvarnom prometu. The problem of this paper was the description of the work and the creation of an algorithm for the detection of traffic lanes. OpenCV, Matplotlib and NumPy libraries are used for creation of the algorithm. It is described in a few steps, the most important of which is image processing. First, it is essential to transform perspective. After that, the image is processed using the HSL color space and the noise is reduced with that. This results in a binary image and the application of the Canny edge detection algorithm. To describe the image processing, routs representing traffic lanes are then found using the Hough transform. From the obtained routs, one average rout is created in order to show the best possible traffic lanes. Finally, we return the filtered image to normal perspective and merge it with the input image. This is a brief description of the algorithm, after which tests are performed. The algorithm is fast enough to run in real time, but not efficient enough for use in real traffic.

U ovome radu opisan je razvoj algoritma za upozoravanje vozača o napuštanju vozne trake pri čemu su korištene razne metode obrade razvijene na području računalnog vida. Prvo je dan pregled nekoliko postojećih rješenja detekcije vozne trake koja su poslužila kao inspiracija predloženog algoritma u okviru ovog rada. Nakon toga u radu je izrađen koncept algoritma za upozoravanje vozača o napuštanju vozne trake koji je izrađen korištenjem osobnog računala i biblioteke OpenCV. Izrađeni koncept poslužio je kao polazna točka za implementaciju algoritma na ADAS Alpha ploču. Na kraju je provedena evaluacija i usporedba koncepta i rješenja algoritma na dva skupa slika. Algoritam za detekciju vozne trake postiže točnost od 64%, preciznost 78%, odziv 77% te F1 78%, dok algoritam za upozoravanje vozača o napuštanju vlastite vozne trake nije moguće pokrenuti u stvarnom vremenu. This master's thesis describes the development of the lane departure warning system using various methods of computer image processing. Firstly, an overview of several existing lane detection solutions that served as the inspiration for the proposed algorithm. After that, the concept of the lane departure warning system was developed using personal computer and OpenCV library. Such a developed concept served as a starting point for the implementation on the ADAS Alpha board. Finnaly, an evaluation and comparison of the concept and solution of the algorithm was performed on two set of images. The lane detection algorithm achieves an accuracy of 64%, an accuracy of 78%, a response of 77% and an F1 of 78%, while the lane departure warning system cannot be started in real time.

U radu je opisana izrada i implementacija detekcije voznih traka uz korištenje FPGA tehnologije. Najprije dan pregled nekoliko postojećih rješenja detekcije vozne trake. Spomenuti radovi navode metode korištene za izradu sličnih sustava te FPGA kao prikladan sustav za rješavanje ovakve vrste problema. Nakon toga je u radu dan prijedlog algoritma za detekciju voznih traka te je isti implementiran u Matlab-u. Prema implementaciji iz Matlab-a dizajnirano je sklopovsko rješenje za detekciju vozne trake koristeći VHDL. Dizajn je sintetiziran i implementiran na Zynq-7000 SoC-u. Na procesorskom sustavu se izvršava upravljanje, unos slike i prikazivanje rješenja, dok se na programabilnom dijelu izvršava dizajnirani algoritam. Izvršena je verifikacija implementiranog dizajna te su na sustavu provedena mjerenja s obzirom na efikasnost detekcija linija na kolniku te s obzirom na brzinu izvođenja predloženog algoritma. The paper describes the development and implementation of lane detection using FPGA technology. First, an overview of several existing lane detection solutions. The mentioned papers list the methods used for makeing similar or the same FPGA systems as a suitable system for solving these types of problems. After that, the paper presents a proposal for an algorithm for detecting lanes, which is implemented in Matlab. According to the implementation from Matlab, a hardware solution for detecting driving tracks using VHDL was designed. The design was synthesized and implemented on a Zynq-7000 SoC. On the processor system, control, image input and solution display are performed, while on the programmable part, the designed algorithm is executed. Verification of the implemented design was performed and measurements were performed on the system with regard to the efficiency of line detection on the pavement and with regard to the speed of execution of the proposed algorithm.

U ovom radu opisuju se napredni sustavi za pomoć pri upravljanju vozilom i autonomna vožnja. Obrađen je način rada sustava za pomoć pri održavanju vozila u traci i način rada prilagodljivog tempomata. Izrađeni su modeli za simulaciju vožnje vozila sa sustavom za pomoć pri održavanju vozila u traci i prilagodljivim tempomatom sa stvarnim senzorom (kamerom) u petlji. Objašnjen je postupak obrade slike s kamere kojim se dobiva informacija potrebna za rad navedenih sustava. Ispitana je kvaliteta kamere kao senzora u sustavima za pomoć u pri upravljanju vozilom i uspoređena sa simuliranim virtualnim senzorom. This paper describes advanced driver-assistance systems and autonomous driving. The mode of operation of lane keeping assist system and adaptive cruise control is discussed. Models have been developed to simulate vehicle driving with a lane-keeping assistance system and adaptive cruise control with real sensor (camera) in the loop. The process of camera image processing, which provides the information necessary for the functionality of mentioned systems, is explained. The quality of the camera as a sensor in driver-assistance systems was examined and compared with a simulated virtual sensor.

Detekcija vozne trake je jedan od temeljnih elementa autonomne vožnje. U ovom radu omogućena je detekcija jednobojne trake bilo koje boje postavljene na poizvoljnu pozadinu. To je postignuto korištenjem k-means algoritma. Kut detektirane linije računa se koristeći Hough transformaciju. Program za detekciju i praćenje linije provjeren je na stvarnom modelu i unutar simulacijskog okruženja Gazebo. Komunikacija između vozila i programa koji je napisan u programskom jeziku Python omogućena je koristeći ROS (Robot operating system). Vozilo koje je korišteno za isprobavanje napisanog programa je Husky. To je vozilo sa diferencijalnim pogonom sa četiri kotača. Husky je upravljan objavljujući (publish) poruke (ROS messages) na temu (ROS topic) na koju je pretplaćen program za izračunavanje i objavljivanje (publish) brzine kotača pomoću zadane kutne i linearne brzine. Line detection is one of the most important components in autonomous driving. The presented work in this thesis achieves single-color line detection on an arbitrary surface, using the k-means machine learning algorithm. Angle of detected line is calculated using Hough transformation. Program for detection and line tracking is written in Python programming language and tested in the Gazebo simulation environment. Experiment in a real-world setting was also carried out. Vehicle used for testing the algorithm is Husky, a ground vehicle robot with differential drive and four wheels. Communication between Husky and the control algorithm is accomplished using ROS (Robot operating system). Husky is controlled by adjusting its wheel speeds according to the given linear and angular velocity speeds of the robot.

U sklopu ovog diplomskog rada izrađen je računalni algoritma za detekciju voznih traka na cesti ispred vozila u slici dobivenoj s kamere na prednjem kraju vozila i upozorenje vozača na napuštanje vozne trake. Kompletan računalni program sastoji se od osam koraka obrade izvorne slike, koji daju informacije o broju detektiranih linija voznih traka u slici te njihovom položaju na slici. Obrada slike se vrši za svaki okvir u snimci zasebno. Algoritam koristi metode računalnog vida pomoću implementacije OpenCV biblioteke. Kompletan algoritam je izrađen u Python programskom okruženju s dodatkom OpenCV i NumPy biblioteka. Testiranjem izrađenog algoritma na raznim snimkama snimljenih pomoću kamere na prednjem kraju vozila u različitim vremenskim uvjetima i s pojavama raznih vrsta linija voznih traka, zaključeno je da je algoritam prilagodljiv na razne vremenske uvjete, doba dana ili izgled prometnih linija. Također, rezultati testiranja pokazali su i određene manjkavosti algoritma i prostor za potencijalna buduća poboljšanja. As part of this diploma paper, a computer algorithm was developed for the lane detection on the road with the image obtained from the camera at the front end of the vehicle with addition to warn the driver against unwanted lane departure. The complete computer program consists of seven steps of processing the original image, which provide information on the number of detected lane lines in the image and their position on the image. Image processing is done for each frame in the video separately. The algorithm uses computer vision methods using an OpenCV library implementation. The complete algorithm was created in a Python programming environment with the addition of OpenCV and NumPy libraries. Testing the developed algorithm on various shots taken at the front end of the vehicle in different weather conditions and with the appearance of different types of lanes, it was concluded that the algorithm is adaptable to different weather conditions, time of day or the appearance of traffic lines recorded by the camera at the front end of the car. Also, the test results showed some weaknesses in the algorithm and room for potential future improvements.