4.1 Kết qua mô phỏng
4.1.1 Phát hiện làn đường
Một số mau quy định về làn đường như sau: làn trái (mau đỏ), làn phải (màu xanh dương). Khu vực dược giới hạn bởi đoạn thăng mau vàng va hai làn đường trai, phải là khu vực cảnh báo nguy hiểm. Tùy theo việc lựa chọn khoảng cách cảnh báo nguy hiểm, khu vực này sẽ được thiết lập một cách linh động.
Một số kết quả phát hiện làn đường được trích xuất từ video và được trình bày trong
hình 4.1.
c) Kết quả 3
e) Kết quả 5 Hình 4. 1: Một số kết quả phát hiện làn đường
Về mặt cơ bản giải thuật dã có thể phát hiện tương đối chính xác làn đường xe đang chạy. Tuy nhiên đối với nhiều điều kiện mặt đường khác nhau như: ánh sáng, bóng cây hoặc những đoạn thăng gan giống với làn đường... thì sẽ có một số lỗi mat làn đường hoặc đánh dau làn đường sai. Đây cũng là hạn chế của giải
thuật.
4.1.2 Phát hiện vật can
Đối với phan phát hiện vật cản, kết quả phát hiện sẽ được khoanh vùng và hiển thị thông tin về loại vật thể.
a) Kết quả 1
FT = =
|
c) Kết quả 3
Hình 4. 2: Kết quả phát hiện vật cản Đối với kết quả nhận dạng vật cản được trích xuất một khung ảnh riêng biệt, được
đánh giá trong bảng 4.1.
Kết quả | Kết quả | Kết quả | Kết quả | Kết quả
1 2 3 4 5
Tổng số vật can (quan
sát băng mat) 5 3 4 5 3
Hệ thống nhận dạng
chính xác 5 3 4 5 2
Tỉ lệ nhận dạng (%) 100% 100% 100% 100% 67%
Bang 4. 1: Két qua định lượng nhận dang vát can
Có thé thay rang khả năng nhận dạng vật can của hệ thong tương đối tốt. Tỉ lệ chính xác trung bình dat gần 90%. Một số kết quả vẫn chư chính xác, là do bộ dữ liệu
huan luyện chưa đủ lớn, hoặc do vật thê có đặc trưng gan giông với đặc trưng cua
nên ảnh. Những trường hợp xảy ra hiện tượng này không nhiều, do đó về mặt giải thuật thì hệ thống đã cho ra được kết quả khá tốt đối với yêu cầu bài toán nhận dạng vật cản trong giao thông. Nhưng bên cạnh đó, cần phải cải tiễn giải thuật và tạo bộ cơ sở dữ liệu huấn luyện nhiều hơn thì kết quả thu được sẽ tốt hơn.
4.1.3 Kết qua tong hợp phát hiện làn đường và vật cán và cánh báo Một số kết quả được trình bày trong hình 4.3 với khoảng cách được thiết lập băng một phan hai khung hình.
c) Kết quả 3
Hình 4. 3: Kết quả mô phỏng của để tài
Với cau hình phan cứng thực hiện đề tài là: CPU( Core ¡5, 2500), RAM 12GB, card dé hoa GPU NVIDIA 1050 có dược kết quả về thời gian xử lý của hệ thống được biểu diễn trong bang 4.1:
Kết quả | Kết quả | Kết quả | Kết quả | Kết quả
1 2 3 4 5
Tổng số khung
699 94I 218 865 890 hinh
Thoi gian xw ly
. 66.4 85.15 214 111.2 73.8
(giay)
Thoi gian xw ly
0.094 0.09 0.1 0.13 0.08 (giây/khung hình)
Bảng 4. 2 Kết quả đáp ứng thời gian xử lý của hệ thông
Từ kết quả thời gian xử lý với mỗi trường hợp khác nhau, thì hệ thông vẫn có độ trễ tương đối lớn, do đó vẫn chưa đáp ứng được khả năng xử ý theo thời gian thực.
Vì vậy cần phải cải tiến giải thuật cũng như khả kỹ năng lập trình và phần cứng của hệ thống để đạt kết quả thời gian xử lý tốt hơn.
Khi kết hợp phát hiện làn đường và phát hiện vật cản, ta có thể ứng dụng đơn giản như đưa ra cảnh bảo khi có vật cản trong vùng nguy hiểm phía trước khi xe đang chạy. Đối với một số kết quả thì việc cảnh báo tương đối chính xác, tuy nhiên vẫn còn xuất hiện một số lỗi trong quá trình thực hiện. Do đó, để có thể đưa ra những cảnh báo một cách chính xác thì đòi hỏi độ chính xác trong phần phát hiện làn
đường và vật cản phải được cải thiện.
4.2 Nhận xét s* Dat được:
e Thông qua một số kết quả đạt được thì đề tài đã xây dựng được hệ thống có khả năng phát hiện làn đường và nhận dạng vật cản đồng thời đưa ra cảnh báo khi có vật cản trong vùng nguy hiểm. Trong một số điều kiện mặt đường và ánh sáng tốt, hệ thong đã xử lý tốt trong việc
phát hiện làn đường cũng như vật cản.
s* Hạn chế:
e Vẫn tôn tại một số lỗi trong việc phát hiện và đánh dau sai làn đường khi có những sự thay đổi về điều kiện mặt đường, ánh sáng khác nhau và những đoạn thang gan giống với làn đường.
e Bên cạnh đó là giải thuật cho việc cảnh báo khá đơn giản, có thé ảnh hưởng đến khả năng cảnh báo chính xác của hệ thông. Đây cũng là một điểm lưu ý trong việc phát triển dé tai.
e Vẫn chưa đáp ứng xử lý theo thời gian thực.
e Các dữ liệu video được thử nghiệm được sử dụng kha lý tưởng, chưa
phản ánh được khả năng theo điều kiện thực tế tại Việt Nam.
4.3 Hướng phát triển đề tài
Việc nhận dạng không chỉ sử dụng riêng biệt video mà có thể phải kết hợp sử dụng những giải pháp khác như: sử dung radar, ultrasonic, lidar ... thành một hệ thống hoàn chỉnh, hiện đại thì mới có thể cho ra được những kết quả chính xác từ đó đưa vào ứng dụng thực tiễn trong cuộc sông. Tuy nhiên, việc đã tích hợp thảnh công giải thuật trong xử lý ảnh và máy học trong dé tài này thành một hệ thong có khả năng nhận dạng làn đường và vật cản thông qua video đồng thời đưa ra cảnh báo cũng góp phần vào các phương pháp việc xây dựng hệ thống xe tự hành một cách hoàn
chỉnh hơn. Bên cạnh đó lĩnh vực “Deep Learning” cũng không chỉ giới hạn trong
bài toán phát hiện vật cản, mà sẽ được áp dụng một cách rộng rãi hơn vào trong các
lĩnh vực khác, làm cho cuộc sống của con người ngày càng tiện nghi hơn, hiện đại
hơn.