CC BY
115
Раздел III. Наземная робототехника
УДК 004.93:629.7.05
Н.В. Ким, АX. Кузнецов, В.Ю. Косоруков
АНАЛИЗ ДОРОЖНОЙ СИТУАЦИИ С ИСПОЛЬЗОВАНИЕМ СИСТЕМ ТЕХНИЧЕСКОГО ЗРЕНИЯ
В работе рассматриваются вопросы движения роботизированных транспортных средств в транспортном потоке, оценки собственного положения мобильного робота относительно дорожной разметки и других участников дорожного движения.
Роботизированное транспортное средство; система технического зрения; оценка ; .
N.V. Kim, A.G. Kuznezov, V.Yu. Kosorukov ROAD SITUATION ANALYSIS USING COMPUTER VISION SYSTEM
In the work questions of the robotized vehicle movement in a transport stream and estimation of own position of the mobile robot concerning a road marking and other participants of traffic are considered.
The robotized vehicle; technical vision system; position estimation; correlation algorithms.
Создание автономных роботизированных транспортных средств (РТС) требует разработки систем анализа дорожной ситуации, которые позволят в существующем интенсивном дорожном движении обеспечивать решение следующих :
♦ оценку собственного полож ения РТС относительно дороги;
♦ обнаружение препятствий (опасные объекты) на траектории движения РТС;
♦ обнаружение других участников дорожного движения, оценку и прогнозирование их относительного положения.
В представленной работе рассматривается вариант построения системы
( ). -
дем считать, что СТЗ РТС включает видеокамеру с угловым полем обзора 120°, оптическая ось которой направлена вперед - вниз, и бортовым вычислителем, обеспечивающим обработку и анализ принимаемой видеоинформации в реаль-.
В соответствии с перечисленными задачами комплекс алгоритмов обработки видеоинформации должен включать три частных алгоритма.
В основе частного алгоритма «Оценка положения РТС на дороге» лежат алгоритмы обработки изображений [1-3]. Эти алгоритмы позволяют выделить на изображении, принимаемом системой наблюдения, границы проезжей части и, используя эту информацию, решить так называемую задачу внешнего ориентирования системы наблюдения.
На рис. 1 показаны: исходное изображение дороги, выделенные контурные ( ), задача внешнего ориентирования.
Рис. 1. Обработка изображений проезжей части
Для выделения границ проезжей части были использованы следующие алгоритмы обработки изображений: метод выделения краев Робертса, метод гистерезиса для вычисления порога яркости, цепной код, методы анализа отрезков линий [1].
Использование метода цепного кода не учитывает трудностей, связанных с искривлением, ветвлением и разбиением линий. Для решения этих проблем используются методы анализа отрезков линий. Они позволяют анализировать отрезки линий на кривизну, выбрать те ветви линии, которые удовлетворяют заданному допуску искривления конечной линии, объединять несколько отрезков со схожими параметрами в один.
Полученные таким образом линии используются для решения задачи внеш.
Необходимым условием для решения задачи внешнего ориентирования является угловое отклонение приемной матрицы от вертикали, которое должно быть известно (рис. 2).
Рис. 2. Определение ориентации относительно проезжей части
На рисунке: А, В - линии-границы проезжей части дороги, '0 - ширина проезжей части, т. Сс - центр приемной матрицы камеры, Т - угол курса относительно .
В соответствии с рис. 2 значения искоых величин можно рассчитать по фор:
_ М РА1 )*^п( иА1 Иб( РА2 )*ят( иА2 )]
_ №( РА1 )*соэ( иА1 Иб( РА2 )*соэ( иА2 )]
_ ab*^(рА1)*ап( иА1)-k^(рА1)*^( иА1))
°а _ Ш (рв1)*^п( цт) ^ (рA1)*sin( иА1)]-к *Ш (рВ1)*^( иВ1) ^ (рА1)*^( иА1)] ,
Раздел III. Наземная робототехника
где Оа - боковое смещение относительно проезжей части. Индексы при углах ф и ц обозначают линию и взятую на ней точку.
Во время скоростного движения очень важно своевременно обнаружить неподвижные объекты на дороге, чтобы избежать столкновения с ними.
Частный алгоритм «Обнаружение неподвижных объектов» может быть реализован на основе оценки цвета (дая цветных изображений) выделяемых объектов и распределения яркости (для черно-белых изображений).
Для поиска препятствий и транспортных средств по цвету можно использовать методику, основанную на модели представления цвета УСЬСг (У - яркость, СЬ и Сг - цветоразностные составляющие).
Алгоритм поиска по цвету состоит в сканировании заданной области изображения и определении фрагментов изображений, которые имеют заданное соотно-СЬ Сг. -
те яркости (У).
Для выделения объектов по яркости на фоне дороги целесообразно использовать метод Оцу [2].
В соответствии с данным алгоритмом, можно выделять подвижные и неподвижные транспортные средства, которые по цвету или яркости не могут относиться к дороге.
Другим методом обнаружения транспортных средств является метод, использующий признаки движения объектов наблюдения относительно дороги.
Аварийные ситуации часто возникают по вине других участников дорожного .
на проезжей части и строить стратегию собственного движения таким образом, чтобы избежать столкновения с теми объектами, от которых исходит потенциаль-.
Частный алгоритм «Обнаружение подвижных объектов» основан на оценке относительных смещений блоков изображений на последовательных кадрах (векторов смещений) [2, 3].
Поиск положения схожих фрагментов изображения осуществляется извест-. , функция или функция среднего модуля разности
Кр (ш, $) _ М [ (, [) - + Ш, ] + $ )],
где S(, ])-изображение в исходном блоке; Я (, ] )- фрагмент изображения на следующем кадре; М[.] - символ математического ожидания; 1,] - координаты
ячеек изображения; /тах, ]тах - размеы сравниваемого фрагмента изображения,
$1, ё] - смещения по осям I, ] соответственно.
При полном совмещении Щ1,]) и Щ1,]) функция Кр(й1,й]) имеет минимальное .
На рис. 3 представлены кадры с обнаруженными транспортными средствами, .
По полученным смещениям отдельных блоков изображения строится поле движения. Анализ поля движения позволяет обнаружить другие подвижные объекты наблюдаемой сцены [3].
По виду отдельных векторов п движения можно оценить относительное движение объектов по отношению к РТС. Так, модуль вектора позволяет оценить относительную скорость наблюдаемых объектов, а направление вектора - направление движения объекта относительно РТС.
Рис. 3. Обнаружение трансртных средств по признаку движения
Если объекты наблюдаемой сцены движутся в попутном или встречном направлении, то по смещениям блоков изображения можно сделать выводы (рис. 4)
,
♦ Наблюдаемое транспортное средство движется медленнее РТС или навстречу ему, если вектор смещения направлен вниз и/или к боковым гра. -
. -дуль вектора больше, чем у объектов, двигающихся в попутном направ.
♦
, / -
.
Рис. 4. Векторы движения объектов сцены
На рис. 4 представлены результаты вычислений средних векторов смещения фрагментов опережаемого объекта (а), неподвижного (Ь) и опережающего (с) .
Наиболее трудоемкая задача работы связана с классификацией обнаруженных подвижных объектов. Каждый обнаруженный подвижный объект определяется собственным полем движения. Идентифицировать такой объект относительно неподвижного (например, дорожного полотна) не представляет трудностей, если четко определить величину и направление векторов смещения блоков неподвиж-.
, -
тично перекрывают друг друга и их движения идентичны, выполнить их разделение на отдельные объекты по признакам поля движения может оказаться невоз-.
один. Если один из объектов группы начнет опасное движение по отношению к РТС, то его можно выделить из указанной группы по изменению векторов поля движения относительно среднего вектора группы.
Результаты тестирования программы показали, что вероятность правильного обнаружения транспортных средств на одной паре кадров равна 0,85, а на 3-х видеокадрах - 0,98.
.
ситуации, основанный на частных алгоритмах оценки положения РТС относитель-
,
и анализа принимаемой на РТС видеоинформации. Тестирование алгоритмов подтвердило их работоспособность.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Форсайт ДА., Понс Ж. Компьютерное зрение. Современный подход.: Пер. с англ. - М.: Издательский дом «Вильямс», 2004. - 928 с.
2. Веремеенко К.К., Желтое СМ., Ким НМ. и др. Современные информационные технологии в задачах навигации и наведения беспилотных маневренных летательных аппаратов / Под ред. Красилыцикова М.Н., Себрякова ГГ. - М.: ФИЗМАТЛИТ, 2009. - 556 с.
3. Визильтер ЮМ., Желтое СМ., Князь В.А. и др. Обработка и анализ цифровых изображений с примерами на LabView и IMAQ Vision. - М.: ДМК Пресс, 2007. - 464 с.
Ким Николай Владимирович
Московский авиационный институт.
Адрес: 125993, г. Москва, Волоколамское ш. 4.
E-mail: nkim2003@list.ru.
Тел.:8 4991584549.
Кузнецов Андрей Григорьевич E-mail: kag2006@Mail.ru.
Коеоруков Святослав Юльевич E-mail: cube@rambler.ru.
Kim Nykolay Vladimirovich
Moscow aviation institute.
4, Volokolamskoe street, Moscow, 125993, Russia.
E-mail: nkim2003@list.ru.
Phone: 84991584549.
Kuznetsov Andrew Grigorevich
E-mail: kag2006@Mail.ru.
Kosorukov Svyatoslav Yulevich
E-mail: cube@rambler.ru.
УДК 531.36;62-50
ПЛ. Кравченко
ЦИФРОВОЕ УПРАВЛЕНИЕ ПОЛОЖЕНИЕМ ТЕЛЕЖКИ И ПЕРЕВЕРНУТЫМ МАЯТНИКОМ
Решение данной задачи базируется на наиболее полной из соответствующих известных нелинейных систем дифференциальных уравнений движения и использовании методологии оптимизированных дельта-преобразований второго порядка. Освещены принципы синтеза единого алгоритма управления маятником и тележкой, показана возможность обеспечения гарантированныпоказателей качества по точности и быстродействию, де-
