تشخیص موانع به روش دید استریو برای خودرو های بدون راننده در متلب

  • چهارشنبه ۲۹ شهریور ۱۳۹۶
  • بازدید 191 نفر
  • 1 امتیاز2 امتیاز3 امتیاز4 امتیاز5 امتیاز (15 امتیاز از 3 رای)
    Loading...

obstacle detection stereo vision matlab 421 1 تشخیص موانع به روش دید استریو برای خودرو های بدون راننده در متلب

تشخیص موانع به روش دید استریو

در این بخش پروژه تشخیص موانع به روش دید استریو برای خودرو های بدون راننده را با استفاده از نرم افزار MATLAB با عنوان مقاله Obstacle detection using stereo vision for self-driving cars آماده کرده ایم که یک پروژه عالی بینایی ماشین، پردازش تصویر و هوش مصنوعی می باشد. این پروژه به همراه ترجمه مقاله، فیلمی از چگونگی اجرا و کامنت گذاری در کد ها ارائه شده است، همچنین تصاویری از خروجی برنامه و لینک دانلود مقاله مرجع به صورت رایگان قرار داده شده است.

بینایی ماشین

مهندسان و محققین زیادی چندین دهه است که در حال مطالعه برروی بینایی ماشین هستند زیرا این موضوع یکی از سخت ترین مسائل موجود در هوش مصنوعی به شمار می رود. این مساله استخراج اطلاعات مفید از تصاویر و فیلم ها کاربرد های زیادی در زمینه های مختلف از قبیل رباتیک، دریافت از راه دور، واقعیت مجازی، اتوماسیون صنعتی و غیره دارد.

بررسی سیستم های سنجش از دور

یکی از ضروری ترین و چالش برانگیز ترین وظایف برای سیستم هایی که به صورت مستقل عمل می کنند(خودرو های بدون راننده نمونه ای از این سیستم ها می باشد)، این است که بتوانند با دقت و سرعت زیاد، محیط اطراف خود را به خوبی درک کنند. سیستمی که امروزه برای درک محیط اطراف در خودروهای بدون سرنشین مورد استفاده قرار میگیرد، سیستم سنجش از راه دور نام دارد که رادار و لیدار( LIDAR یکی از فناوری ‌های سنجش از راه دور که به آن رادار لیزری نیز گفته می شود) مثال هایی از این نوع سیستم ها هستند. این سیستم ها میتواند یک دیده کامل و ۳۶۰ درجه از اطراف را فراهم سازند.

معرفی پروژه تشخیص موانع به روش دید استریو

بینایی ماشین و هوش مصنوعی روشی روشی برای تشخیص موانع موجود در اطراف خودرو، با استفاده از دو دوبین ۳۶۰ درجه ایی با روش دید استریو ارائه شده است. در این روش می توان با تغییر عمودی دوربین به جای حالت افقی آن، اطلاعات عمق را در همه جهت ها به جز نقطه فراز و نقطه نشیب که اطلاعات مفید کمی در رابطه با موانع دارد، محاسبه کرد. اصولی که در این روش جهت تشخیص موانع دنبال می شود، به گونه ایی است که همه نقاط در فضای سه بعدی بر اساس ارتفاع، عرض و شیب عبور مربوط به نقاط همسایه طبقه بندی می شوند. نقاطی که به عنوان مانع شناسایی شده اند، می توانند به تصویر صفحات برای برنامه ریزی حرکت نگاشته شوند

خودرو های بدون راننده

مهندسانی که در حوزه کامپیوتر فعالیت می کنند، علاقه زیادی به موضوع ماشین های بدون سر نشین دارند که این امر به طور عمده توسط تعداد زیادی حوادث رانندگی ای پیش آمده است که ناشی از خطا های رانندگی / سهل انگاری راننده می باشد. تا به امروز تعدادی از وسایل نقلیه که به صورت مستقل هستند، یعنی توان درک میحط اطرافشان را با روش های مانند رادار، لیدار،GPS و بینایی ماشین دارند. این آرایه از سنسور ها به طور منسجم برای مشاهده و ثبت محیط در اطراف و تشکیل ماژول ادراکی وسیله نقلیه کار می کنند.

مرحله بعدی در راه دریافت، گام محلی سازی است، این مرحله بسیار مهم است زیرا داده های بی ربط و ناقص را که از طریق سنسور های مختلف برای شناسایی موقعیت، سرعت، و سایر ویژگی ها در وسیله نقلیه و موانع (از جمله موانع پویا) حاصل شده اند، به صورت داده های یکپارچه در آورد. بعد از انجام این مراحل نوبت به ماژول نهای می رسد، که همان برنامه ریزی است و در این مرحله وسیله نقلیه در موقعیتی که در آن قرار دارد تصمیم می گیرد که چه کاری باید انجام دهد.

بررسی سیستم های ادراکی رادار لیدار

سیستم های ادراکی اصلی به کار رفته در نمونه های اولیه تحقیقاتی که توسط بازیکنان بزرگی در صنعت و دانشگاه صورت گرفته است، رادار و لیدار می باشد. آنها نسبت به یک راننده عادی بسیار آگاه ترند، زیرا به طور کلی یک دید ۳۶۰ درجه ای کامل و بسیار دقیق از از محیط اطراف برای وسیله نقلیه فراهم می کنند، که راننده عادی از انجام این کار عاجز است. علت این که این سیستم ها کم هستند، هزینه بسیار بالای آن ها می باشد و به خاطر همین مشکل ایده استفاده کردن از تکنیک های بینایی ماشین و دوربین ها به جای این سیستم مطرح می شود. در آزمایشات متعدد ثابت شده است که بینایی برجسته نما می تواند برای استخراج اطلاعات مفید در مورد محیط اطراف که می تواند به مسیریابی ربات های همراه کمک کند به کار برده شود. اما این سیستم هم چندان بی عیب نیست، در اغلب موارد این حوزه دید فقط محدود به جلوی ربات می شود و نمی تواند اجسام موجود در پشت را شناسایی کند. این که سیستم بینایی ماشین مورد هدف ما بتواند با در به دست آوردن یک دید ۳۶۰ درجه ای توسط سیستم های لیدار یا رادار سازگار باشد یا خیر، بسیار مهم است. این موضوع را می توان با به کار گیری دوربین های مخصوصی که تصویر منظره ای را از ۳۶۰ تا ۱۸۰ درجه ثبت می کند برطرف کرد.

تصاویری از خروجی شبیه سازی تشخیص موانع به روش دید استریو

 

obstacle detection stereo vision matlab 421 2 تشخیص موانع به روش دید استریو برای خودرو های بدون راننده در متلب

شکل ۱

 

obstacle detection stereo vision matlab 421 3 تشخیص موانع به روش دید استریو برای خودرو های بدون راننده در متلب

شکل ۲

 

obstacle detection stereo vision matlab 421 4 تشخیص موانع به روش دید استریو برای خودرو های بدون راننده در متلب

شکل ۳

 

obstacle detection stereo vision matlab 421 5 تشخیص موانع به روش دید استریو برای خودرو های بدون راننده در متلب

شکل ۴

 

obstacle detection stereo vision matlab 421 6 تشخیص موانع به روش دید استریو برای خودرو های بدون راننده در متلب

شکل ۵

 

obstacle detection stereo vision matlab 421 7 تشخیص موانع به روش دید استریو برای خودرو های بدون راننده در متلب

شکل ۶

 

obstacle detection stereo vision matlab 421 8 تشخیص موانع به روش دید استریو برای خودرو های بدون راننده در متلب

شکل ۷

 

obstacle detection stereo vision matlab 421 9 تشخیص موانع به روش دید استریو برای خودرو های بدون راننده در متلب

شکل ۸

 

obstacle detection stereo vision matlab 421 10 تشخیص موانع به روش دید استریو برای خودرو های بدون راننده در متلب

شکل ۹


مشاهده ویدئو در این باره

خوشحال خواهیم شد اگر نظر خودتون رو درباره این مطلب ثبت کنید

خطا!دکمه ریفریش را بزنید