5.5. KẾT QUẢ THÍ NGHIỆM ĐIỀU KHIỂN XE LĂN ĐIỆN
5.5.2. Kết quả nhận dạng vật mốc
Từ các vật mốc tự nhiên đã được nhận biết và thu thập vào cơ sở dữ liệu, phương pháp SURF được sử dụng để nhận dạng các vật mốc này trong môi trường, nhằm phục vụ cho quá trình định vị xe lăn điện. Cụ thể, phương pháp SURF bao gồm ba bước: phát hiện các điểm nổi bật, mô tả các điểm nổi bật và mô tả phù hợp để nhận dạng đối tượng. Hơn nữa, ma trận Hessian và ảnh tích phân được sử dụng để phát hiện các điểm đặc trưng vì thuật toán theo thời gian thấp và độ chính xác cao của nó. Giả sử rằng xem xét điểm M (x,y) trong ảnh B cần phát hiện các điểm đặc trưng, ma trận đạo hàm Hessian H(M, 𝜎) tại điểm M có tỷ lệ 𝜎 được xác định như sau:
𝑯(𝑀, 𝜎) = [
𝐿𝑥𝑥(𝑀, 𝜎)
𝐿𝑥𝑦(𝑀, 𝜎)
𝐿𝑥𝑦(𝑀, 𝜎)
𝐿 (𝑀, 𝜎)] (5.18)
trong đó, 𝐿𝑥𝑥(M, 𝜎) , 𝐿𝑥𝑦(M, 𝜎) , 𝐿𝑦𝑦(M, 𝜎) lần lượt là tích chập của đạo hàm bậc hai hàm Gausse 𝜕2
𝜕𝑥2𝑔(𝜎), 𝜕2
𝜕𝑥𝜕𝑦
𝑔(𝜎), 𝜕2
𝜕𝑦2𝑔(𝜎) với ảnh B tại điểm M.
Hình 5.18. Các thành phần vectơ mô tả của vùng con trong ảnh.
Bộ mô tả đặc điểm thể hiện mối quan hệ về mặt không gian giữa điểm nổi bật và các điểm lân cận xung quanh nhằm xác định vị trí của các điểm nổi bật trong ảnh. Một vùng hình vuông xung quanh điểm nổi bật, có hướng trùng với hướng của vectơ đặc điểm đã được tìm ở trên sẽ được chia thành 4×4 vùng con. Trong mỗi vùng con sẽ tiếp tục áp dụng bộ lọc Haar Wavelet để tính toán vectơ mô tả. Vectơ
mô tả của một vùng con 𝜈 = (∑ 𝑑𝑥 , ∑ 𝑑𝑦 , ∑|𝑑𝑥| , ∑|𝑑𝑦|) với 𝑑𝑥 là tổng đáp ứng theo trục hoành, 𝑑𝑦 tổng đáp ứng theo trục tung, |𝑑𝑥| tổng giá trị tuyệt đối của đáp ứng theo
trục hoành và |𝑑𝑦| tổng giá trị tuyệt đối của đáp ứng theo trục tung như hình 5.18.
Trục tung có hướng trùng với hướng vectơ đặc điểm. Bước cuối cùng trong phương pháp nhận dạng SURF là so khớp các bộ mô tả giữa trong ảnh với các bộ mô tả trong tập dữ liệu để nhận dạng vật thể. Bước so khớp này dựa vào khoảng cách giữa các vectơ trong bộ mô tả, như khoảng cách Mahalanobis hoặc Ơclit.
(a) (b)
(c) (d)
(e) (f) (g) (h)
Hình 5.19. Bốn loại vật mốc khác nhau được nhận dạng dựa trên các vật mốc được lưu trữ trong cơ sở dữ liệu: (a)-(d) So khớp điểm đặc trưng của vật mốc 1, vật mốc 2, vật mốc 3 và vật mốc 4; (e)-(h) Vật mốc 1, Vật mốc 2, Vật mốc 3 và Vật mốc
4 được xác định.
Hình 5.19 thể hiện việc nhận dạng 4 vật mốc dùng phương pháp SURF, trong đó hình 5.19a – 5.19d biễu diễn sự so khớp các đặc trưng giữa vật mốc được
lưu trữ trong cơ sở dữ liệu với các đặc trưng trong ảnh môi trường thực, hình 5.19e – 5.19h
là kết quả các vật mốc được tìm thấy trong ảnh thực tế (đường viền hình chữ nhật màu đỏ). Các đường màu vàng hiển thị kết nối giữa các điểm đặc trưng giống nhau khi được so khớp. Để đánh giá hiệu suất nhận dạng vật mốc, có thể dựa vào số lượng đặc trưng phù hợp và không phù hợp, độ chính xác và sai số được tính toán theo công thức sau:
𝑅𝑡
𝑅𝑓
= 𝑇𝐹 × 100% (5.19)
𝑆𝐹
= 𝑆𝐹−𝑇𝐹 × 100% (5.20)
𝑆𝐹
trong đó SF là số điểm đặc trưng của vật mốc đã xác định, TF là số điểm đặc trưng trùng khớp với số điểm đặc trưng của vật mốc đã xác định, Rt là tỷ lệ chính xác, Rf là sai số của quá trình nhận dạng vật mốc.
Bảng 5.4. Độ chính xác khi nhận dạng các vật mốc bằng phương pháp SURF.
Hình Thời gian nhận dạng
(ms)
SF TF Rt
(%)
Rf
(%)
Hình 5.19a 370,6 206 190 92,2 7,8
Hình 5.19b 320,4 64 58 90,6 9,4
Hình 5.19c 296,9 18 13 72,2 27,8
Hình 5.19d 228,0 30 26 86,7 13,3
Bảng 5.4 cho thấy các vật mốc có nhiều đặc trưng (giá trị SF lớn) cho tỷ lệ chính xác trên 90%. Trong khi đó, các vật mốc ít đặc trưng (giá trị SF nhỏ) có sai số nhận dạng lớn (Rf > 10%). Điều này cho thấy độ chính xác của nhận dạng vật mốc có mật độ đặc trưng lớn nhất tốt hơn so với nhận dạng vật mốc có ít điểm đặc trưng.
Ngoài ra, bảng 5.4 cho thấy thời gian xử lý trung bình là 304 ms và điều này chứng tỏ xe lăn điện và hệ thống camera có thể phát hiện các vật mốc trong quá trình di chuyển với độ chính xác cao và thời gian phát hiện ngắn. Khi đã xác định được vật mốc, thông tin vị trí của vật mốc cũng được cung cấp từ cơ sở dữ liệu thu thập được, phục vụ cho quá trình định vị xe lăn.