Thông qua từ khóa Lane Detection trên Google.com, nhóm đã được dẫn đến trang [1] với khá nhiều source code liên quan đến lane detection.
41
Hình 4.2 Các giải thuật lane detection trên github.com
Nhóm bắt đầu tiến hành khảo sát như bảng 4.1 để tìm một thuật toán phù hợp dựa trên các tiêu chí:
- Có sử dụng Deep learning framework. - Phù hợp với phần cứng hiện có.
- Tốc độ xử lý của thuật toán. - Hiệu năng làm việc tốt.
42
Bảng 4.1 Khảo sát các thuật toán lane detection có trên github.com
Để phát triển một hệ thống ổn định, tin cậy và có hiệu năng cao, tiêu chí đầu tiên nhóm đặt ra là thuật toán phải có sử dụng deep learning framework. Do đó, từ rất nhiều thuật toán có trên web nhóm lọc lại còn 4 thuật toán như trong bảng 4.2 phù hợp với tiêu chí này.
43
Bảng 4.2 Các thuật toán lane detection có sử dụng deep learning framework
Trong 4 hệ thống có sử dụng deep learning: Lanenet Lane Detection [4], SCNN [5], VPGNet [8], MLND Capstone [9] đều đáp ứng được phần cứng đang có là GTX – 970 với 4Gb GP , nhưng nhóm chúng em nhận thấy Lanenet lane detection [4] là vượt trội hơn so với 3 hệ thống còn lại với các lý do như sau:
- Đối với SCNN [5], hệ thống sử dụng thư viện Torch [5] với ngôn ngữ trong hệ thống là Lua [5], chưa hỗ trợ python nên khó cho việc phát triển đề tài sau này.
- VPGNet [8] tuy đáp ứng được yêu cầu phần cứng nhưng có tốc độ khá thấp (20fps). - MLND Capstone [9] cũng tương tự như VPGNet [8], tốc độ chỉ khoảng 30fps, bên
cạnh đó nhóm không tìm thấy yêu cầu về Hardware của hệ thống này. Chi tiết về hệ thống Lanenet lane detection có thể tham khảo ở [4].