Ứng dụng tri tuệ nhân tạo để phát triển hệ thống nhận diện và theo dõi làn đường cho xe tự lái đồ án tốt nghiệp ngành công nghệ kỹ thuật ô tô

MỤC LỤC LỜI CẢM ƠN .i TÓM TẮT ii MỤC LỤC iii DANH MỤC CÁC TỪ VIẾT TẮT V KÝ HIỆ vi DANH MỤC CÁC HÌNH vii DANH MỤC CÁC BẢNG x Chương TỔNG QUAN 1.1 Lý chọn đề tài 1.2 Mục tiêu nghiên cứu .1 1.3 Nội dung nghiên cứu .2 1.4 Giới hạn đề tài .2 1.5 Phạm vi ứng dụng Chương CƠ SỞ LÝ THUYẾT 2.1 Cơ sở lý thuyết ảnh xử lý ảnh .3 2.1.1 Cơ sở lý thuyết ảnh 2.1.1.1 Điểm ảnh (Picture Element) .3 2.1.1.2 Độ phân giải ảnh 2.1.1.3 Mức xám ảnh .5 2.1.1.4 Không gian màu 2.1.1.5 Định nghĩa ảnh số 2.1.1.6 Ảnh trắng đen 2.1.1.7 Ảnh màu 2.1.2 Cơ sở lý thuyết xử lý ảnh 10 2.1.2.1 Các bước xử lý ảnh 10 2.1.2.2 Các thành phần hệ thống xử lý ảnh .15 2.1.2.3 Những vấn đề xử lý ảnh 16 2.2 Mạng nơron tích chập – Convolutional Neural Network (CNN) .17 2.2.1 Thị giác máy tính (Computer vision) 17 2.2.2 Mạng nơ ron tích chập (CNN hay ConvNet) .18 iii 2.2.2.1 Lớp tích chập (Convolutional layer) 18 2.2.2.2 Đường viền phụ (Padding) .19 2.2.2.3 Nhân chập sải (strided convolutions) .21 2.2.3 Phép chập khối .22 2.2.3.1 Phép chập khối với lọc .22 2.2.3.2 Phép chập khối với nhiều lọc 23 2.2.4 Mạng CNN lớp 24 2.2.5 Mạng CNN đơn giản 24 2.2.6 Lớp Pooling 25 2.2.6.1 Pooling theo giá trị cực đại (Max Pooling) 25 2.2.6.2 Pooling theo giá trị trung bình (Average Pooling) .26 2.2.7 Ví dụ CNN nhận diện lane đường .26 2.2.8 Ưu điểm CNN 28 Chương SƠ LƯỢC PHẦN CỨNG VÀ PHẦN MỀM 29 3.1 Sơ lược phần cứng 29 3.1.1 Xây dựng cấu hình máy tính phục vụ đồ án 29 3.1.2 Lựa chọn camera 29 3.2 Sơ lược phần mềm 30 3.2.1 Hệ điều hành Ubuntu 30 3.2.2 Python 31 3.2.3 Anaconda 32 3.2.4 Cuda 32 3.2.5 CuDNN 33 3.2.6 Tensorflow 33 3.2.7 Một số thư viện sử dụng đồ án 38 Chương CHƯƠNG TRÌNH ĐIỀU KHIỂN NHẬN DIỆN LÀN ĐƯỜNG 40 (LANE DETECTION) 40 4.1 Sơ đồ tổng thể hệ thống 40 4.2 Lựa chọn thuật toán học sâu cho việc nhận diện lane 40 4.3 Áp dụng thuật toán lanenet lane detection 43 4.3.1 Giới thiệu sơ lược LaneNET 43 iv 4.3.2 Áp dụng thuật toán .45 4.4 Nhận diện đường giải thuật K – means Clustering 46 4.4.1 Lấy liệu cho K - means từ Hough Transform 46 4.4.2 Ứng dụng Hough Transform OpenCV .48 4.4.3 Áp dụng giải thuật K – means Clustering 49 4.4.3.1 Giới thiệu phân cụm liệu K – means 49 4.4.3.2 Giải thuật K – means 50 4.4.3.3 Các bước để ứng dụng K-means nhận diện lane 52 4.5 Theo dõi đường (tracking) cách sử dụng Kalman filter .59 4.5.1 Giới thiệu Kalman filter .59 4.5.2 Các phương trình Kalman filter: 60 4.5.3 Ứng dụng Kalman fileter để tracking 62 Chương THỰC NGHIỆM VÀ KẾT QUẢ THỰC NGHIỆM 66 5.1 Chuẩn bị 66 5.2 Địa điểm thực nghiệm 66 5.3 Kết thực nghiệm 67 Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 72 6.1 Kết luận .72 6.2 Hướng phát triển 72 DANH MỤC T I LIỆ THAM KHẢO 74 PHỤ LỤC 75 v DANH MỤC CÁC TỪ VIẾT TẮT VÀ KÝ HIỆU AI Artificial Intelligence – Trí tuệ nhân tạo API Application Programming Interface – Giao diện lập trình ứng dụng CIE Commission Internationale d’Eclairage – Tổ chức quốc tế chuẩn hóa màu CMYK Cyan, Magenta, Yellow, Black – Không gian màu CMYK CNN Convolutional Neural Network – Mạng tích chập CUDA Compute Unified Device Architecture – Kiến trúc thiết bị tính tốn hợp CUDNN NVIDIA CUDA Deep Neural Network library – Thư viện tăng tốc độ GPU cho deep learning networks GPGPU General-purpose computing on graphics processing units – Điện toán đa đơn vị xử lý đồ họa GPU Graphics Processing Unit – Đơn vị xử lý đồ họa HSV Hue, Saturation, Value – Không gian màu HSV IDE Integrated Development Environment – Mơi trường phát triển tích hợp OpenCV Open Source Computer Vision – Thư viện mở cho thị giác máy tính PEL Picture Element – Điểm ảnh RGB Red, Green, Blue – Không gian màu RGB vi DANH MỤC CÁC HÌNH Hình 2.1 Điểm ảnh (Pixel) Hình 2.2 Các độ phân giải ảnh Hình 2.3 Hệ tọa độ RGB Hình 2.4 Khơng gian màu HSV vịng trịn biểu diễn màu sắc (HUE) Hình 2.5 Khơng gian màu CMYK .8 Hình 2.6 Ảnh xám (bên trái) ảnh nhị phân (bên phải) Hình 2.7 Ảnh màu 10 Hình 2.8 Các bước xử lý ảnh 10 Hình 2.9 Sơ đồ phân tích xử lý ảnh lưu đồ thông tin khối 14 Hình 2.10 Các thành phần hệ thống xử lý ảnh 15 Hình 2.11 Bộ lọc sử dụng lớp tích chập ma trận kích thước 3x3 19 Hình 2.12 Nhân lọc k với ma trận đầu vào I 19 Hình 2.13 Ma trận đầu vào bao quanh đường viền phụ kích thước p (giá trị 0) 20 Hình 2.14 Nhân chập với bước sải s=2 22 Hình 2.15 Phép nhân chập khối 22 Hình 2.16 Ba lớp lọc cấu hình khác để phát đặc trưng một, hai ba kênh màu ảnh đầu vào 23 Hình 2.17 Kiến trúc lớp: Input => filters of 3x3x3=> ReLU (non-linear activation function) => Output 24 Hình 2.18 Ví dụ CNN sử dụng cho tốn phân loại ảnh 25 Hình 2.19 Ví dụ pooling theo giá trị cực đại .26 Hình 2.20 Cấu trúc CNN thường vài cụm CONV => POOL theo sau tập FC kết thúc lớp Softmax 27 Hình 3.1 Cấu hình máy tính .29 Hình 3.2 GoPro Hero Black 30 Hình 3.3 Biểu tượng giao diện hệ điều hành Ubuntu 31 vii Hình 3.4 Biểu tượng Anaconda 32 Hình 3.5 Cách thức nhận diện hình ảnh khn mặt Tensorflow 35 Hình 3.6 Xác định đối tượng video với Tensorflow 36 Hình 4.1 Sơ đồ tổng thể hệ thống 40 Hình 4.2 Các giải thuật lane detection github.com 41 Hình 4.3 Cấu trúc mạng LaneNET 44 Hình 4.4 Kết chạy thuật tốn Model Weights .45 Hình 4.5 Kết chạy thuật tốn ảnh chụp 46 Hình 4.6 Hình họa sử dụng OpenCV 47 Hình 4.7 Biểu diễn giá trị ρ miền θ 47 Hình 4.8 Biến đổi Hough transform 49 Hình 4.9 Các đối tượng phân phối vào cụm đại diện điểm trung tâm 50 Hình 4.10 Các bước thuật tốn K - means 52 Hình 4.11 Tìm contours ảnh chụp 53 Hình 4.12 Tìm contours ảnh download 53 Hình 4.13 Tìm box ôm lấy contour ảnh tự chụp 54 Hình 4.14 Tìm box ơm lấy contour ảnh download .54 Hình 4.15 Tìm center ảnh tự chụp 55 Hình 4.16 Tìm center ảnh download 55 Hình 4.17 Bắt lane ảnh tự chụp 56 Hình 4.18 Bắt lane ảnh download 56 Hình 4.19 Kết sau sử dụng K-Means 58 Hình 4.20 Hoạt động Kalman filter .59 Hình 4.21 Mơ hình khơng gian trạng thái Kalman filter 60 Hình 4.22 Quá trình khởi tạo Kalman filter 61 Hình 4.23 Ảnh thể lane màu xanh .63 Hình 4.24 Chấm xanh dương đậm gọi VashingPoint 64 Hình 4.25 Kết sau tracking Kalman Filter 65 viii Hình 5.1 Cài đặt camera GoPro Hero Black xe .66 Hình 5.2 Địa điểm thực nghiệm .67 Hình 5.3 Kết thực nghiệm 70 ix DANH MỤC CÁC BẢNG Bảng 2.1 Tổng kết tham số lớp CNN 27 Bảng 4.1 Khảo sát giải thuật lane detection có github.com 42 Bảng 4.2 Các source code lane detection có sử dụng deep learning framework .43 x Chương TỔNG QUAN 1.1 Lý chọn đề tài Trong thời đại cách mạng công nghiệp 4.0 nay, công nghiệp ô tô khơng cịn mang khuynh hướng khí trước nữa, mà chuyển hóa dần có xu kết hợp với lĩnh vực khác điện, điện tử khoa học máy tính Trong đó, thuật ngữ “AI” hay “trí tuệ nhân tạo” khơng cịn xa lạ nữa, chí, tiếp xúc với chúng hàng ngày, hàng giờ, chẳng hạn trợ lý ảo Siri hay Google Assistant điện thoại thơng minh Ngồi ra, cịn ứng dụng mơ hình nhà thơng minh, trị chơi điện tử, y tế hay quân sự,… mà đặc biệt, sinh viên “Ơ tơ” chúng ta, khơng thể không nhắc đến cụm từ “xe tự lái” Nhắc đến “xe tự lái”, hẳn nhiều người biết năm 2016, công ty Otto sở hữu ber thành công việc vận chuyển 50.000 lon bia Budweisers xe vận tải tự lái [14] Về lợi ích kinh tế, ứng dụng trí tuệ nhân tạo cho vận tải đường dài giảm chi phí, ngồi giúp hạn chế tối đa tai nạn chết người Công ty nghiên cứu tư vấn công nghệ thơng tin hàng đầu giới Gartner dự đốn, đến 2020, tồn cầu có 250 triệu xe kết nối với thông qua hệ thống Wi-Fi [14], chúng tự "giao tiếp" lộ trình tốt Hiện nay, việc ứng dụng công nghệ AI ngành học nói chung cơng nghệ xe tự lái nói riêng diễn khắp giới Nó mở hội đầy tiềm thách thức sinh viên “Ơ tơ” Với mong muốn tham gia, tìm hiểu lĩnh vực nên nhóm định chọn đề tài “Ứng dụng trí tuệ nhân tạo để phát triển hệ thống nhận diện theo dõi đường cho xe tự lái” Thông qua đề tài, nhóm hi vọng đưa nhìn khái quát việc ứng dụng công nghệ AI ngành học góp phần tích lũy lượng nhỏ kiến thức để làm hành trang hội nhập với công nghiệp ô tô giới cho sinh viên “Ơ tơ” sau 1.2 Mục tiêu nghiên cứu - Ứng dụng trí tuệ nhân tạo việc nhận diện đường - Nâng cao độ xác hiển thị việc phát đường - Theo dõi đường khắc phục tình trạng tạm thời ngoại cảnh chạy đường 1.3 Nội dung nghiên cứu - Nghiên cứu kiến thức liên quan đến xử lý ảnh phần mềm hỗ trợ xử lý ảnh: Ubuntu, Python, OpenCV, Numpy,… - Nghiên cứu tảng, phương thức hoạt động hệ thống sử dụng trí tuệ nhân tạo - Nghiên cứu phương pháp nhận diện đường sử dụng mạng học sâu (deep learning framework) Cụ thể mạng nơ-ron tích chập (Convolutional Neural Network (CNN)) - Sử dụng mạng đào tạo sẵn để nhận diện đường - Sử dụng thuật toán để nâng cao nhận diện đường thuật toán Hough Transform, K-means, Kalman filter,… - Sử dụng Kalman filter để theo dõi đường - Hiển thị nội dung nhận diện lên hình hình ảnh lấy trực tiếp từ webcam 1.4 Giới hạn đề tài - Ở đề tài nhóm sử dụng mạng học sâu huấn luyện sẵn nhận diện thơ sau đề xuất phương pháp xử lý hậu kì để nâng cao hiệu việc bắt theo dõi đường nhiều thời gian khơng gian khác Nhóm khơng huấn luyện lại mạng hạn chế liệu phần cứng - Hệ thống chưa thể vận hành real-time xử lý trung tâm chưa đủ mạnh để đáp ứng bước xử lý hình ảnh mạng học sâu 1.5 Phạm vi ứng dụng Đồ án cho ta thấy nhìn tổng quan việc ứng dụng công nghệ AI ngành công nghệ kỹ thuật ô tô phạm vi nhận biết lane đường, từ cải tiến lên để cảnh báo người lái lệch khỏi lane đường hay cho xe tự hành không người lái chạy lane đường Bước 8: Chọn kiểu bàn phím Bước 9: Thiết lập thơng tin đăng nhập Nhập tên bạn trình cài đặt tự động đề xuất tên máy tính tên người dùng Nó dễ dàng thay đổi bạn thích Tên máy tính cách máy tính bạn xuất mạng, tên người dùng bạn tên đăng nhập tài khoản bạn Tiếp theo, nhập mật mạnh Trình cài đặt cho bạn biết yếu Bạn chọn bật tự động đăng nhập mã hóa thư mục gốc Nếu bạn có nhiều liệu quan trọng, bạn nên tắt tính đăng nhập tự động bật mã hóa Điều ngăn người truy cập tệp cá nhân bạn máy bị bị đánh cắp Chú ý: Nếu bạn bật mã hóa thư mục bạn quên mật khẩu, bạn truy xuất liệu cá nhân lưu trữ thư mục 81 Bước 10: Tiến hành cài đặt Trình cài đặt hồn thành chế độ cửa sổ cài đặt hướng dẫn bạn chút mức độ tuyệt vời Ubuntu Tùy thuộc vào tốc độ máy kết nối mạng bạn, trình cài đặt vài phút 82 Bước 11: Hồn thành q trình cài đặt Sau thứ cài đặt cấu hình, cửa sổ nhỏ xuất yêu cầu bạn khởi động lại máy tính bạn Nhấp vào “Khởi động lại” rút SB khỏi máy tính nhắc 83 Bước 12: Đặng nhập sử dụng Cài đặt Anaconda Bước 1: Truy xuất phiên Anaconda Từ trình duyệt web, chuyển đến trang tải xuống Anaconda thông qua đường dẫn sau: https://www.anaconda.com/distribution/ Tìm phiên Linux chép tập lệnh bash trình cài đặt Bước 2: Tải xuống tập lệnh Anaconda Bash Đăng nhập vào máy chủ buntu 16.04 bạn với tư cách người dùng root, chuyển vào /tmp thư mục sử dụng curl để tải xuống liên kết bạn chép từ trang web Anaconda: cd /tmp Sử dụng curl để tải xuống liên kết mà bạn chép từ trang web Anaconda: curl -O https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh 84 Bước 3: Xác minh tính tồn vẹn liệu trình cài đặt Đảm bảo tính tồn vẹn trình cài đặt với xác minh băm mật mã thông qua tổng kiểm tra SHA-256: sha256sum Anaconda3-5.2.0-Linux-x86_64.sh Output: 09f53738b0cd3bb96f5b1bac488e5528df9906be2480fe61df40e0e0d19e3d48 Anaconda3-5.2.0-Linux-x86_64.sh Bước 4: Chạy tập lệnh Anaconda bash Anaconda3-5.2.0-Linux-x86_64.sh Bạn nhận kết sau để xem lại thỏa thuận cấp phép cách nhấn ENTER bạn đạt đến kết thúc Output: Welcome to Anaconda3 5.2.0 In order to continue the installation process, please review the license agreement Please, press ENTER to continue >>> Do you approve the license terms? [yes|no] Khi bạn đến cuối giấy phép, nhập yes miễn bạn đồng ý với giấy phép để hoàn tất cài đặt Bước 5: Hồn tất q trình cài đặt Khi bạn đồng ý với giấy phép, bạn nhắc chọn vị trí cài đặt Bạn nhấn ENTER để chấp nhận vị trí mặc định định vị trí khác 85 Output: Anaconda3 will now be installed into this location: /home/sammy/anaconda3 - Press ENTER to confirm the location - Press CTRL-C to abort the installation - Or specify a different location below [/home/sammy/anaconda3] >>> Tại thời điểm này, tiến trình cài đặt tiến hành Lưu ý trình cài đặt thời gian Bước 6: Chọn tùy chọn Sau cài đặt hoàn tất, bạn nhận kết sau: Output: Installation finished Do you wish the installer to prepend the Anaconda3 install location to PATH in your /home/sammy/.bashrc ? [yes|no] [no] >>> Bạn nên nhập yes sử dụng conda huy Tiếp theo, bạn nhắc tải xuống Visual Studio Code, bạn tìm hiểu thêm từ trang web thức VSCode Kiểu yes để cài đặt no để từ chối Bước 7: Kích hoạt cài đặt Bây bạn kích hoạt cài đặt lệnh sau: source ~/.bashrc Bước 8: Thử nghiệm cài đặt: Sử dụng conda lệnh để kiểm tra cài đặt kích hoạt: 86 conda list Bạn nhận đầu tất gói bạn có sẵn thơng qua cài đặt Anaconda: Bây Anaconda cài đặt, tiếp tục thiết lập môi trường Anaconda Bước 9: Thiết lập môi trường Anaconda Bạn tạo mơi trường Anaconda với conda create huy Ví dụ, mơi trường Python có tên my_env tạo lệnh sau: conda create name my_env python=3 Kích hoạt mơi trường sau: source activate my_env Tiền tố nhắc lệnh bạn thay đổi để phản ánh bạn môi trường Anaconda hoạt động, bạn sẵn sàng để bắt đầu làm việc dự án Tạo môi trường với conda Bước 1: Tạo thư mục dự án, ví dụ ~/projects/python_env_example máy tính bạn, sau chuyển vào thư mục vừa tạo: $ mkdir ~/projects/python_env_example $ cd ~/projects/python_env_example 87 Bước 2: Tạo môi trường Conda với tên my_env cài sử dụng python 3.5 với lệnh: $ conda create name my_env python=3.5 Bước 3: Sử dụng môi trường my_env để làm việc lệnh: $ source activate my_env Khi đó, tiền tố (base) chuyển thành tên mơi trường bạn ví dụ: (my_env) Bạn kiểm tra mơi trường có lệnh: $ conda info envs Kiểm tra gói thư viện có mơi trường lệnh: $ conda list Bước 4: Thốt khỏi mơi trường Nếu bạn khơng muốn làm việc mơi trường nữa, bạn dùng lệnh: $ conda deactivate để khỏi mơi trường Cài đặt Cuda 9.0 CuDNN 7.0 Bước 1: Cài đặt driver card đồ họa NVIDIA với apt-get Cuda 9.0 yêu cầu driver NVIDIA phiên 384 trở lên, để cài đặt driver, ta sử dụng lệnh apt-get thay cho file cài đặt: sudo apt-get install nvidia-384 nvidia-modprobe Tiếp theo, bạn vào BIOS để disable Secure Boot Thơng thường, bạn vào BIOS cách khởi động lại máy tính ấn F12 Sau đó, bạn kiểm tra cài đặt lệnh nvidia-smi, hệ thống thông báo thông tin card đồ họa bạn dùng phiên driver bạn vừa cài 88 Bước 2: Cài đặt Cuda 9.0 file cài đặt Bạn tải cài đặt Cuda 9.0 địa chỉ: https://developer.nvidia.com/cuda90-download-archive Hoặc sử dụng lệnh wget trường hợp khơng tìm thấy phiên phù hợp $ cd 89 $ wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_3 84.81_linux-run Giải nén nén file vừa cài đặt với lệnh extract $ chmod +x cuda_9.0.176_384.81_linux-run $ /cuda_9.0.176_384.81_linux-run extract=$HOME Sau giải nén, bạn nhận file: NVIDIA-Linux-x86_64-384.81.run (Driver NVIDIA), cuda-linux.9.0.176-22781540.run (file cài đặt cuda), cudasamples.9.0.176-22781540-linux.run (cuda 9.0 samples) Tiến hành cài đặt CUDA Toolkit 9.0 $ sudo /cuda-linux.9.0.176-22781540.run Bạn phải đọc qua quy định pháp lý (ấn “d” bàn phím để đến cuối thơng tin pháp lý bạn đọc rõ quy định) ấn enter để đồng ý (accept) quy định pháp lý Để xác minh cài đặt C DA, cài đặt kiểm tra mẫu lệnh: $ sudo /cuda-samples.9.0.176-22781540-linux.run Sau việc cài đặt kết thúc, đặt lại đường dẫn thư viện $ sudo bash -c "echo /usr/local/cuda/lib64/ > /etc/ld.so.conf.d/cuda.conf" $ sudo ldconfig Bạn nên thêm chuỗi /usr/local/cuda/bin vào file hệ thống /etc/environment để nvcc bao gồm $PATH Điều có hiệu lực sau khởi động lại máy Để làm điều này, bạn cần dùng lệnh: $ sudo vim /etc/environment Và thêm :/usr/local/cuda/bin (bao gồm dấu “:”) cuối đường dẫn PATH="/blah:/blah/blah" (bên dấu ngoặc kép) Sau đó, khởi động lại máy tính kiểm tra thử cài đặt lệnh: 90 $ cd /usr/local/cuda-9.0/samples $ sudo make Tiến trình chạy tốn nhiều thời gian xuất nhiều cảnh báo khơng quan trọng Sau hồn thành, chạy deviceQuery p2pBandwidthLatencyTest lệnh: $ cd /usr/local/cuda/samples/bin/x86_64/linux/release $ /deviceQuery Sau chạy chương trình test, bạn nhận kết quả: 91 92 Bước 3: Cài đặt cuDNN 7.0 Vào trang web download cuDNN: https://developer.nvidia.com/rdp/cudnndownload (cần phải đăng ký tài khoản) chọn phiên cuDNN 9.0 cho CUDA 9.0 Tải file có deb: the runtime library, the developer library, the code samples library for Ubuntu 16.04 Sau tải xong, thư mục download mình, cài đặt file vừa tải lệnh: $ sudo dpkg -i libcudnn7_7.0.5.15–1+cuda9.0_amd64.deb (the runtime library) $ sudo dpkg -i libcudnn7-dev_7.0.5.15–1+cuda9.0_amd64.deb (the developer library) $ sudo dpkg -i libcudnn7-doc_7.0.5.15–1+cuda9.0_amd64.deb (the code samples) Bây giờ, bạn kiểm tra cuDNN có cài đặt hay chưa cách: - Sao chép code mẫu lệnh cp -r /usr/src/cudnn_samples_v7/ ~ - Di chuyển code đến ví dụ MNIST: cd ~/cudnn_samples_v7/mnistCUDNN - Biên dịch ví dụ MNIST: make clean && make - Chạy ví dụ MNIST:./mnistCUDNN Nếu cuDNN cài đặt thành công, bạn thấy Test passed! cuối phần kết trả Cài đặt Tensorflow 1.10.0 Sau cài Cuda 9.0 cuDNN 7.0, ta dễ dàng cài đặt Tensorflow 1.10.0 lệnh: $ pip install tensorflow==1.10.0 Để kiểm tra xem Tensorflow cài đặt thành công hay chưa Ta mở terminal gõ thử lệnh python sau Nếu báo lỗi tức cài đặt không thành công $ python >>> import tensorflow as tf >>> hello = tf.constant('Hello, TensorFlow!') >>> sess = tf.Session() >>> print(sess.run(hello)) 93 Hello, TensorFlow! >>> a = tf.constant(10) >>> b = tf.constant(32) >>> print(sess.run(a + b)) 42 Cài đặt easydict 1.6 Ta cài đặt easydict 1.6 lệnh: $ pip install easydict==1.6 Để kiểm tra easydict cài thành công hay chưa Ta chạy đoạn code sau với python, khơng có lỗi easydict cài đặt thành công $ python >>> from easydict import EasyDict as edict >>> d = edict({‘foo’:3, ‘bar’:{‘x’:1, ‘y’:2}}) >>> d.foo >>> d.bar.x >>> d = edict(foo=3) >>>d.foo Cài đặt gói thư viện lại Opencv_python 3.4.1.15: pip install opencv-python==3.4.1.15 Glog 0.3.1: pip install glog==0.3.1 Tensorflow-gpu 1.10.0: pip install tensorflow-gpu==1.10.0 Numpy 1.13.1: pip install numpy==1.13.1 Matplotlib 2.0.2: pip install matplotlib==2.0.2 94 Scikit_learn 0.19.1: pip install scikit-learn==0.19 95 ... chọn đề tài ? ?Ứng dụng trí tuệ nhân tạo để phát tri? ??n hệ thống nhận diện theo dõi đường cho xe tự lái? ?? Thơng qua đề tài, nhóm hi vọng đưa nhìn khái qt việc ứng dụng cơng nghệ AI ngành học góp... - Sử dụng mạng đào tạo sẵn để nhận diện đường - Sử dụng thuật toán để nâng cao nhận diện đường thuật toán Hough Transform, K-means, Kalman filter,… - Sử dụng Kalman filter để theo dõi đường -. .. Phạm vi ứng dụng Đồ án cho ta thấy nhìn tổng quan việc ứng dụng công nghệ AI ngành công nghệ kỹ thuật ô tơ phạm vi nhận biết lane đường, từ cải tiến lên để cảnh báo người lái lệch khỏi lane đường