NGHIÊN CỨU VỀ THU THẬP VÀ XỬ LÝ ẢNH
ĐỂ HỖ TRỢ Ô TÔ CHẠY TỰ ĐỘNG
“THE RESEARCH OF COLLECTING AND PROCESSING IMAGE TO SUPPORT
AUTOMATIC VEHICLE”
TS. Lê Thanh Phúc[1], KS. Văn Ánh Dương[2]
Trường Đại học sư phạm kỹ thuật TP.HCM
Tóm tắt
Đề tài “Nghiên cứu thu thập và xử lý ảnh để hỗ trợ ô tô chạy tự động” tìm hiểu về
phương pháp nhận dạng các vật cản trên đường khi xe tham gia giao thông. Cụ thể, ở
đây người nghiên cứu sử dụng các công cụ xử lý ảnh của labVIEW: Vision
Acquisition, Vision Assistant để thu thập và xử lý vật cản. Mô hình đường là đường
nhựa, với các giả định sau:
- Đường bằng phẳng
- Mặt đường sạch sẽ, đồng nhất.
Đề tài sử dụng webcam để thu thập hình ảnh khi xe hoạt động. Hình ảnh được công cụ
Vision Acquisition thu nhận, sau đó được xử lý để chuyển thành ảnh nhị phân, giảm
nhiễu, đưa ra kết quả nhờ vào công cụ Vision Assistant. Ảnh đã được xử lý kết hợp với
khoảng cách đo từ cảm biến SRF05 làm tín hiệu điều khiển hoạt động của xe. Khoảng
cách từ vi điều khiển truyền lên labVIEW giao tiếp thông qua cổng giao tiếp RS232.
Kết quả cuối cùng đã hoàn thành mô hình xe có thể nhận dạng được các vật cản trên
đường đi, báo vị trí vật cản, điều khiển xe dừng khi khoảng cách xe và vật cản nguy
hiểm.
Thực nghiệm với xe chạy tốc độ chậm, hình ảnh và khoảng cách thu được có sai số
khá nhỏ.
Từ khóa:ô tô, xử lý ảnh, điều khiển tự động, labview
Abstract
The project of “The research of collecting and processing images to support
automatic vehicle” is learning about methods to indentify obstacles on the road in
traffic. Specifically, the researcher uses processing image tools of LabVIEW: Vision
Acquisition and Vision Assistant to collect and process obstructions. The model is
asphalt road, with assumptions as below:
- Flat street
- Clear and homogeneous road
This project uses webcam to collect images whilst operating a vehicle. The Vision
Acquisition tool acquire images, then the Vision Assistant tool converts them to a
binary image and noise reduction. Image processing combined with the distance
measured from sensor SRF05 use control signals from the operating vehicle. Distance
from microcontroller is transferred to Lab VIEW via a standard RS232 interface.
The end result is a completed vehicle model able to identify the obstacles on the road,
display obstacle positions, control vehicles stopping when they are at a dangerous
distance.
Experiment with vehicles travelling at slow speeds, images and distances obtained
small error relatively.
Keywords: image processing, LabVIEW, automatic vehicle
1. Giới thiệu:
Công trình đã thiết kế, lắp đặt camera,
Ứng dụng xử lý ảnh vào thực tiễn giao
cảm biến siêu âm SRF05 để thu thập
thông là đề tài còn khá mới mẻ. Đề tài
hình ảnh và đo khoảng cách của vật cản
ứng dụng xử lý ảnh cho xe ô tô có rất
trước xe. Vật cản thu nhận được sẽ
nhiều ý nghĩa bởi vì:
được xử lý, báo vị trí vật cản. Hình ảnh
- Giúp người lái xe thoải mái nghỉ ngơi để
được xử lý cùng với khoảng cách sẽ
hồi phục sức khỏe khi xe đang chạy
điều khiển hoạt động xe: chạy chậm,
trên đường vắng
- Hỗ trợ điều khiển ô tô giúp việc tham gia
giao thông an toàn hơn
- Giúp con người khám phá được nhiều
dừng…
2. Thiết kế, lắp đặt camera và thuật toán
nhận dạng
hơn những nơi không đến được
- Đặc biệt đây là ứng dụng dược chú tâm
nhiều trong lĩnh vực quân sự
Hình 1. Bản vẽ thiết kế
Để có thể lấy được hình ảnh và tính
toán khoảng cách chính xác, cũng như
hiển thị lên LCD dễ quan sát thì ta chọn
cách bố trí camera, cảm biến siêu âm
như hình bên.
Hình 4. Sơ đồ nguyên lý của mạch đo
khoảng cách
Ngoài ra việc bố trí các thiết bị như vậy
là để tiết kiệm được không gian trên xe,
và công việc kiểm tra hư hỏng được
thuận tiện
Hình 2. Mô phỏng 3D
Hình 3. Lắp đặt mô hình
3. Đo khoảng cách
Cảm biến siêu âm SRF05 có 2 đầu:
phát và nhận. Hoạt động đầu phát sẽ
phát ra sóng siêu âm, khi sóng này gặp
vật cản sẽ đập vào vật cản và phản hồi
về đầu nhận. Thời gian tính từ khi sóng
phát ra và nhận về được cảm biến tính
toán khoảng cách tới vật cản.
Hình 5. Mạch đo khoảng cách
Thuật toán giao tiếp giữa vi điều
khiển và máy tính qua chuẩn RS 232
Chuẩn RS 232 là chuẩn giao tiếp thông
dụng nhất giữa máy tính và thiết bị
ngoại vi. Hầu hết mỗi máy tính đều có
một vài cổng nối tiếp COM. Kết nối
bằng RS 232 có thể có khoảng cách
lớn. Tuy nhiên nó cũng có nhược điểm
là tại một thời điểm chỉ kết nối được
Tổng quan về hệ thống:
một máy. Tốc độ truyền của RS 232
Trong hệ thống nhận dạng và xử lý ảnh,
cũng chậm hơn so với chuẩn khác.
việc thiết kế vị trí và thiết bị là cần thiết
để đảm bảo cho hệ thống hoạt động
chính xác.
- Trong hệ thống sẽ bao gồm:
Webcam/ camera: thu tín hiệu hình ảnh
từ bên ngoài.
Mạch xử lý các tín hiệu và giao tiếp với
máy tính.
Thiết bị ngõ ra như: điều khiển hoạt động
của xe (motor).
- Mô hình sẽ được bố trí theo nguyên tắc
sau:
WEBCAM
Hình 6. Lưu đồ thuật toán
- Bước 1: khởi tạo: Bước này gồm có mở
thiết bị, khởi tạo đường truyền tín hiệu
-
và xóa thiết bị.
Bước 2: Lập cấu trúc hình cho các kênh
Bước 3: Lập trình cấu hình quét.
Bước 4: Định dạng dữ liệu thu về.
Bước 5: Thu dữ liệu về và xử lý.
Hình 7. Tổng quan hệ thống
- Hệ thống sẽ hoạt động như sau:
Webcam/ camera có nhiệm vụ thu thập
Có nhiều lệnh đọc dữ liệu về nhưng
các hình ảnh. Sau đó hình ảnh từ
thuận tiện nhất là dùng 2 lệnh DATA:
webcam/ camera sẽ được chuyển vào
POINT và DATA: REM Dữ liệu thu về
máy tính. Máy tính lúc này sẽ thực hiện
dưới dạng gồm nhiều trường khác nhau
việc so sánh và xử lý các hình ảnh thông
như giá trị kênh, thời gian… Để bóc
qua phần mềm labVIEW, sau đó nó sẽ
tách lấy dữ liệu ta dùng Data to 3D
xuất tín hiệu ra điều khiển xe card kết
ARRAY VI để tách lấy phần dữ liệu
nối với máy. Ta có thể tóm tắt quy trình
cần xử lý.
như sau:
THU THẬP ẢNH
- Bước 6: Đóng thiết bị, để đóng thiết bị có
thể
dùng
hàm
VISA Close
XỬ LÝ HÌNH ẢNH
XUẤT TÍN HIỆU RA
của
LabVIEW.
Nhận dạng và xử lý ảnh với labVIEW
Hình 8. Quy tắc hoạt động của hệ
thống
Trong đó quá trình xử lý ảnh gồm hai
giai đoạn: thu thập ảnh và xử lý hình
ảnh thu thập được.
Thuật toán nhận dạng và đo khoảng
cách
Kết quả thu thập hình ảnh
4. Thực nghiệm
Điều kiện thực nghiệm
- Tốc độ động cơ: 50 vòng/phút, 60
vòng/phút, 70vòng/phút
- Chiều cao vật cản: >3cm
- Mặt đường: bằng phẳng, sạch sẽ
- Độ phân giải của camera: 1290x640
- Tốc độ lấy ảnh: 30fps
- Khoảng cách lấy ảnh: 150 cm
Kết quả thực nghiệm
Hình 12. Thu nhận hình ảnh 2 vật cản
điều khiển xe chạy/dừng
Hình 9. Thu thập vật cản bên trái
Hình 13. Thu nhận hình ảnh 2 vật cản
điều khiển xe chạy/dừng
Hình 10. Thu nhận vật cản ở giữa
Hình 14. Thu nhận hình ảnh 2 vật cản
điều khiển xe chạy/dừng
Đánh giá
Để đánh giá chương trình hoạt động có
chính xác hay không ta có nhiều tiêu
chí đánh giá. Tuy nhiên do đề tài xử lý
Hình 11. Thu nhận vật cản bên phải
ảnh ứng dụng để điều khiển ô tô còn
khá mới nên chưa có nhiều tiêu chí
đánh giá. Trong phạm vi luận văn tôi sẽ
đánh giá dựa vào tiêu chí tốc độ xử lý,
độ chính xác của chương trình
- Tốc độ thu thập
Lần 2:
Lần 3:
So sánh với một số nghiên cứu trước
đây, chương trình có thể thu nhận ảnh
với độ phân giải 1290x640 và số khung
ảnh thu thập 30fps là khá tốt. Tốc độ
truyền dữ liệu từ vi điều khiển lên
Lần 4:
chương trình cũng khá nhanh.
- Độ chính xác:
Sau nhiều lần chạy thực nghiệm, khả
năng nhận dạng vật cản là tương đối
chính xác. Tuy nhiên khi chạy thì
camera bị rung gây nhiễu khi nhận
dạng ảnh.
Khả năng lấy khoảng cách từ cảm biến
Lần 5:
hiển thị lên chương trình cũng tương
đối chính xác. Tuy nhiên khi vật cản
nằm ở 2 bìa của camera cảm biến bị
nhiễu.
Khi vật cản ở vị trí nhỏ hơn hoặc bằng
Lần 6:
10cm, chương trình điều khiển xe dừng
chính xác.
Lần 1:
5. Kết luận
Đề tài đã hoàn thành việc thiết kế, lắp
vị trí vật cản và điều khiển xe hoạt động
đặt camera, cảm biến…Qua đó thực
trong khoảng cách an toàn.
hiện được việc thu thập, nhận dạng, báo
Tài liệu tham khảo
[1] “Lập trình LabVIEW”, TS. Nguyễn Bá Hải, NXB Đại học Quốc Gia TP.Hồ Chí
Minh.
[2]“Điện động cơ và điều khiển động cơ”, PGS.TS Đỗ Văn Dũng, NXB Đại học Quốc
Gia TPHCM, 2013
[3]“Digital Image Processing”, Rafael C.Gonzalez-University of Tennessee, Richar
E.Woods-MedData Interactive
[4] “GOLD: A parallel real-time stereo vision system for generic obstacle and lane
detection”, M.Bertozzi and A.Broggi, IEEE Transaction on Image Processing, 1998,
pp.199-213.
[5]“Realtime Lane Tracking of Curved Local Road”, ZuWhan Kim, in IEEE
Intelligent Transporation Systems, Toronto, Canada, 2006, pp.1149-1155.
[6] "Lane detection and tracking using BSnake," Y. Wang, E.K.Teoh, and D.Shen,
Image and Vision Computing, vol. 22, no.4, 2004, pp. 269-280
TP.HCM, ngày tháng năm 2015
Giảng viên hướng dẫn
TS. LÊ THANH PHÚC