MÔ HÌNH HÓA PHƯƠNG PHÁP ĐO TỐC ĐỘ Ô TÔ DỰA TRÊN XỬ LÝ ẢNH

<span class='text_page_counter'>(1)</span><div class='page_container' data-page=1>

<b>MƠ HÌNH HĨA PHƯƠNG PHÁP ĐO TỐC ĐỘ Ô TÔ DỰA TRÊN XỬ LÝ ẢNH </b>

<b>Nguyễn Việt Hưng1*, Nguyễn Thị Thảo2, Đỗ Huy Khôi2, Nguyễn Tiến Dũng1</b>
<i>1_{Trường Đại học Bách Khoa Hà Nội (HUST)}</i>
<i>2_{Trường Đại học Công nghệ thông tin và Truyền thông - ĐH Thái Nguyên}</i>

TÓM TẮT

Ngày nay, tự động hóa trong quản lý và giám sát giao thông là công việc vô cùng cần thiết, các
phương tiện giao thông cần được điều khiển và giám sát hoàn toàn tự động. Giám sát các phương
tiện giao thông nhằm thực thi các điều khoản trong Luật Giao thông đường bộ và để giao thông
diễn ra an tồn, thơng suốt. Do đó, việc ứng dụng phương pháp đo tốc độ ô tô dựa trên xử lý ảnh là
việc làm quan trọng và cần thiết. Phương pháp mới được các tác giả đề xuất sử dụng một camera
để mơ hình hóa khoảng cách từ camera tới phương tiện. Trong phương pháp này, vị trí của phương
tiện có thể xác định ứng với từng điểm ảnh thu được dựa vào thông số lắp đặt của camera. Phương
pháp này có thể tận dụng các camera giám sát hiện có mà khơng cần thay đổi hay lắp thêm thiết bị
<b>hỗ trợ khác, điều này phù hợp với cơ sở hạ tầng giao thông ở Việt Nam. </b>

<i><b>Từ khóa: tốc độ xe; ơ tơ; độ sâu; camera; xử lý ảnh.</b></i>

<b>Giới thiệu*</b>

Trong những năm gần đây, hệ thống Giao
thông thông minh (Intelligent Transportation
System - ITS) đã bắt đầu được nhiều nước
đang phát triển áp dụng nhằm mục đích tự
động hóa giám sát và điều khiển giao thông.
Một hệ thống ITS có thể thay thế rất nhiều
nhân lực, hoạt động liên tục và chủ động giám
sát điều khiển giao thông. Các hệ thống giao
thông thông minh tiêu chuẩn có các chức

năng: điều khiển đèn tín hiệu giao thông, cảnh
báo nguy hiểm đối với các phương tiện đang
lưu thông trên đường, kiểm soát và quản lý
giao thơng, duy trì trật tự, thu phí điện tử,
giám sát tốc độ phương tiện, giám sát và quản
lý các phương tiện tham gia đúng luật và quản
lý lưu lượng phương tiện để điều hướng dòng
phương tiện. Do đó, triển khai đo tốc độ xe ơ tơ
là việc làm cần thiết trong việc xây dựng các
tính năng cơ bản cho hệ thống ITS ở Việt Nam.
Hiện nay, trên thế giới đã có nhiều nghiên
cứu cơng bố về phương pháp đo tốc độ
phương tiện giao thông. Phương pháp sử
dụng 2 camera để đo tốc độ phương tiện được
giới thiệu ở trong [1,3] sử dụng 2 camera tốc
<i>độ cao 160 khung hình một giây </i>
<i>(frame-per-second – fps) được đặt với góc khác nhau để </i>
tính tốn tốc độ xe qua vùng chuyển giao

*

<i>Tel: 0904 090800, Email: </i>

(handover) hoặc đặt vuông góc với mặt
đường. Phương pháp này và phương pháp sử
dụng camera kết hợp với thông tin quang
trong [2] gây đắt đỏ về kinh tế, khó triển khai
ở các nước đang phát triển. Phương pháp sử
dụng một camera để mơ hình hóa góc quét

như [4] chưa đại diện được cho góc quét theo
từng điểm ảnh thu được trên từng khung hình.
Ngồi ra, phương pháp sử dụng camera kết
hợp với phương pháp nhận diện phương tiện
cũng được sử dụng như trong [5], đo tốc độ
phương tiện bằng từ trường do xe đi qua thay
đổi kết hợp với camera và nhận dạng biển số
phương tiện. Nhưng phương pháp này cần tín
hiệu đồng bộ và gây tốn kém.

Nghiên cứu này đưa ra phương pháp mới
nhằm xác định vị trí và ước lượng khoảng
cách di chuyển của phương tiện từ thông số
của camera. Nhóm tác giả đề xuất tính tốn
độ dịch chuyển của phương tiện từ các mơ
hình tốn học theo các điểm ảnh.

<b>Mơ hình hệ thống </b>

<i><b>Mơ hình hình học của camera </b></i>

Bản chất của camera ảnh là một hệ thấu kính.
Hệ thống kính này có tính chất theo như
nguồn [6] được thể hiện ở Hình 1.

</div>
<span class='text_page_counter'>(2)</span><div class='page_container' data-page=2>

<i>ngắm O. Trục chính đi qua O là pháp tuyến </i>
<i>với màn s. Khoảng cách giữa các vật thể là </i>
khơng giống nhau.

<i><b>Hình 1. Hiện tượng quang học </b></i>

<i>Các vị trí của vật thể theo tia tới đi qua O đến </i>
<i>màn s. Ảnh thu được trên màn s là ảnh của </i>
các vật thể dựa vào hiện tượng quang học
trong thấu kính. Tính chất của ảnh này là ảnh
thật và ngược chiều với vật thể. Vật thể gần lỗ
ngắm hơn thì ảnh to hơn các vật thể khác ở xa
hơn. Lỗ ngắm này được đại diện cho một hệ
thấu kính trên máy ảnh, trong trường hợp này
<i>ảnh thu được sẽ nằm trên tiêu cự f của máy ảnh. </i>

<i><b>Hình 2. Ảnh thu được đối tượng </b></i>

Các phương trình tính tốn:

<i>X</i>

<i>x</i>

<i>f</i>

<i>Z</i>



và

<i>y</i>

<i>f</i>

<i>Y</i>

<i>Z</i>



(1)

<i><b>Hình 3. Mơ hình thiết lập camera </b></i>

Từ Hình 2 cho thấy ảnh của vật thu được trên

<i>màn hoặc trên cảm biến luôn cách tâm O một </i>
<i>khoảng chính bằng tiêu cự f . Chính bởi các </i>
đặc trưng này mà ảnh thu được luôn là ảnh
phẳng, không hiển thị độ sâu, nên cần thiết

phải mô hình hóa được độ sâu của ảnh dựa
vào thông số đường đi.

Các tác giả đã mô hình hóa vị trí lắp đặt
camera trên đường trong Hình 3 đây là cơ sở
để tính tốn các vị trí tọa độ của phương tiện.
Camera có thơng số như sau: góc quay
<i>camera là β (β=2δ), độ phân giải camera là </i>
<i>m.n thu được chính là ảnh I. Camera được </i>
<i>đặt cách mặt đường với độ cao là h, trục của </i>
<i>camera là Ox, góc ngẩng của camera là (α+δ). </i>
Đường có thể dốc hoặc được đại diện bởi một
<i>hàm số, trục Ox của camera cắt mặt đường tại </i>
<i>C. Điểm C sẽ luôn là vùng trung tâm của ảnh, </i>
<i>vì điểm C nằm ở vùng chính giữa cảm biến </i>
<i>ảnh của camera. Vị trí điểm L chính là dòng </i>
điểm ảnh ở dưới cùng hay vị trí gần nhất
camera có thể thu được. Từ các thơng số trên
có thể tính tốn được khoảng cách đến vật thể.
Từ các khoảng cách tính tốn được, có thể
thực hiện đo tốc độ đối với phương tiện.

<i><b>Mơ hình hình học của đường giao thông từ </b></i>
<i><b>ảnh thu trên camera </b></i>

Mặc dù đường phương tiện di chuyển là 2
luồng song song với nhau nhưng trên ảnh thu
được với từng góc ngẩng mà đường phương
tiện di chuyển có thể cắt nhau ở xa nhưng
nằm trong khung hình hoặc nằm ngồi khung
hình thu được.

Ý nghĩa hình học theo góc nhìn của đối tượng
được thể hiện trong Hình 4.

<i><b>Hình 4. Vanish Point (VP) từ các trục chính của </b></i>

<i>đối tượng trong ảnh </i>

Kiểm tra mơ hình của đường theo một điểm
giao, điểm giao này có nhiệm vụ quan trọng
trong việc xác định vị trí của phương tiện trên
đường theo chiều rộng của đường.

</div>
<span class='text_page_counter'>(3)</span><div class='page_container' data-page=3>

Trong trường hợp này, VP chính là phần
đường ở rất xa so với vùng camera có thể
quan sát rõ, điều này phụ thuộc vào độ phân
giải của camera, tiêu cự camera cố định.
Điểm VP này được tìm từ các cạnh đường cắt
nhau. Để vẽ được VP các tác giả chỉ áp dụng
phương pháp này trên con đường thẳng. Nếu
điểm VP ở trong ảnh, thì góc nhìn này phù
hợp với việc quan sát giao thông trên một
tuyến đường. VP ở ngoài ảnh tức là chỉ tập
trung quan sát một vùng giao thơng nào đó. Ý

nghĩa của VP quan trọng trong việc phân tích
chiều ngang của khung hình.

Mơ hình của camera cơ bản dựa trên các điều kiện:
- Giả sử đường là thẳng hoàn tồn. Vì nếu
cong hoặc dốc thì sẽ khơng tìm được vanish
point. Đoạn đường đang xét rất nhỏ so với
đường cong của trái đất.

- Ảnh ảo thu được là ảnh thật (ảnh thật ngược
chiều với vật và ở sau hệ thấu kính 1 khoảng
<i>là f) do khoảng cách f rất nhỏ so với vị trí </i>
phương tiện tới camera.

<i>- Coi trục vng góc với OO có tâm góc nhìn </i>
thu được nằm ngay trên đó.

- Nếu đường có độ dốc thì vị trí các điểm cắt
<i>lần lượt là L và C, còn L’ và C’ là điểm cắt tại </i>
trục vng góc với mặt phẳng trái đất.

<i>- Nếu đường không dốc thì L trùng L’ và C </i>
<i>trùng C’. </i>

<i>Phân tích màn I: màn I là màn đại diện cho 1 </i>
<i>hình ảnh thu được từ camera giám sát. Ảnh I </i>
<i>có kích thước m.n, kích thước này chính là </i>
kích thước các điểm ảnh số trên cảm biến.
Kích thước điểm ảnh theo hàng hoặc theo cột
cũng chính là ánh xạ góc qt của camera lên

các điểm ảnh.

<i>Do đó, kích thước của ảnh I là m.n thì có thể </i>
được đại diện cho góc qt của camera.
Bởi ống kính của camera là tròn, cảm biến
camera hình chữ nhật, góc quét của camera
ứng với đường chéo của ảnh. Các dữ liệu
khác đã được nhà sản xuất loại bỏ đi do
không phù hợp với mắt đặc biệt là vùng viền
của ảnh ở dạng trịn trên thấu kính.

Từ góc qt và kích thước ma trận điểm ảnh,
các tác giả đã tính tốn được từng vị trí điểm
ảnh, chính là các góc nhỏ trong góc quét của
camera. Mỗi điểm ảnh có kích thước là 1 đơn
vị, lưới ma trận được tạo thành từ các điểm ảnh
có kích thước bằng nhau, các điểm ảnh này
<i>cách tâm của hệ thấu kính một kích thước là f. </i>
<i>Điểm O là tâm của hệ thấu kính trên camera </i>
<i>O’ là tâm rơi trên sensor hình ảnh. Do đó, tại </i>

điểm

<i>A i j</i>

( , )

<i>góc tạo bởi O’OA có cơng thức </i>

tổng quát sẽ là:

2 2

2 2

tan

<i>m</i> <i>n</i>

<i>i</i> <i>j</i>

<i>f</i>

  

(2)

Từ đây theo tính chất đường trịn, hình chữ
nhật và các tính chất lượng giác ta có thể tính
<i>được các điểm ảnh trong ảnh I có kích thước </i>
<i>m.n tương ứng với một góc quét của camera. </i>
Trong giới hạn bài toán đo vận tốc phương
tiện các tác giả chỉ xét các phương tiện di
chuyển thẳng và do đó các tác giả chỉ xét các
điểm ảnh của đối tượng theo chiều dọc khung
hình mục đích là để xác định độ dài khoảng
<i>cách di chuyển của đối tượng. Gọi p</i> là kích
thước 1 điểm ảnh trên cảm biến:

tan

2

<i>f</i>
<i>p</i>

<i>m</i>



 

(3)

<i>Từ góc α và góc δ đã biết, có được vị trí của </i>
<i>điểm A trên ảnh thu được nằm cách tâm OO </i>
một khoảng như sau:

Nếu điểm

<i>A i j</i>

( , )

với

2

<i>m</i>

<i>i</i>



thì:



₂



.tan arctan

<i>m</i>

<i>i</i> <i>p</i>

<i>d</i> <i>h</i>

<i>f</i>

 

   _ _ 

   

 _ _  __

 

 

 

 _ _ __

 

(

4)

nếu điểm

<i>A i j</i>

( , )

với

2

<i>m</i>

<i>i</i>



thì:

. tan

arctan

<i>i p</i>

<i>d</i>

<i>h</i>

<i>f</i>























_















_









</div>
<span class='text_page_counter'>(4)</span><div class='page_container' data-page=4>

<i><b>Nhận dạng ô tô </b></i>

Phương pháp được các tác giả sử dụng ở đây
là phương pháp trừ nền để tìm ra sự khác
nhau giữa các ảnh từ đó nhận dạng ra đối
tượng chuyển động trong video.

Trong [7,8] các tác giả đã tổng hợp lại đưa ra
mơ hình nền cho nhiều đối tượng và mơ hình
này được đưa ra như sau:

, ,

1 ,

( )

(

,

)

<i>K</i>

<i>t</i> <i>i t</i> <i>t</i> <i>i t</i>

<i>i</i> <i>i t</i>

<i>P x</i>

 

<i>x</i>













(6)

Các tác giả đã sử dụng thêm phương pháp
phân loại phương tiện được giới thiệu trong
[9] để phân loại phương tiện dựa vào góc của
phương tiện nhận dạng được.

<i><b>Khung hình trong video </b></i>

Tùy vào mỗi camera có thuộc tính khác nhau,
camera các tác giả sử dụng có 12 khung hình
<i>trong một giây (fps). Ta có bản đồ khung hình </i>
như sau:

<i><b>Hình 5. Biểu diễn số khung hình trong một giây </b></i>

<i>(camera thử nghiệm có tốc độ 12fps) </i>
Từ bản đồ frame, có thể tính được khoảng
thời gian giữa 2 frame liên tiếp nhau là: 1/12
giây. Khi các phương tiện ở khoảng cách xa
tiến gần vào camera có thể sử dụng các cặp
khung hình liên tiếp nhau hoặc khơng liên
tiếp để tính tốn độ dịch chuyển của phương

<i>tiện trong khoảng thời gian Δt. Từ đó tính </i>
tốn được vận tốc trung bình

<i>v của</i>

phương
tiện theo công thức:

.

<i>s</i>

<i>v</i>

<i>t</i>







(7)

Vì phương tiện khơng phải là một điểm trong
khung hình thu được, các tác giả đề xuất chỉ
xét các điểm của phương tiện gần camera
nhất để bảo toàn trọng tâm của phương tiện
khi phương tiện đi từ xa tới gần.

Đo tốc đố
phố ống tiốn

Dố liốu đốu vào

Nhốn dống
phố ống tiốn

Tính tốn khoống cách điốm ốnh

dố a vào ốnh và thông số camera

Tính tốn vố trí phố ống
tiốn trong ốnh

Tính tốn vốn tốc dố a vào vố
trí phố ống tiốn giố a các ốnh

Tốc đố
phố ống tiốn

<i><b>Hình 6. Lưu đồ thuật toán của phương pháp </b></i>
Trong khung hình, điểm ảnh là đơn vị nhỏ
nhất có thể chia được, nên các tác giả đã sử
dụng phương pháp mơ hình hóa để xác định
được vị trí của phương tiện thu được từ
camera theo điểm ảnh. Phương pháp này có
thể mơ hình hóa được cả kích thước của vật
thể từ xa tới gần. Từ kịch bản mô phỏng và
nguồn dữ liệu của camera thu được, các
phương tiện có hướng di chuyển từ phía dưới
<i>lên phía trên của khung hình (từ vị trí mmax</i> ở

đáy khung hình đến vị trí VP hay ở hàng mà
giải thuật nhận diện phương tiện có thể phát
hiện được). Do đó, trong nghiên cứu này các
tác giả chỉ xác định độ dịch của phương tiện
<i>trên ảnh thu được theo hàng m để tính vận tốc </i>
của phương tiện.

Thời gian đối tượng đã đi vào khung hình
nhưng chưa số hóa được thành điểm ảnh đại
<i>diện i là t0</i> và thời gian đối tượng đi vào

khung hình và bắt đầu được số hóa tại điểm
<i>ảnh i là t1. i là điểm ảnh đại diện cho một </i>

đoạn đường. Thời gian và quãng đường này là
rất nhỏ so với thời gian và quãng đường
phương tiện di chuyển nên nhóm tác giả
thống nhất không xét tới.

<b>Kết quả Mô phỏng </b>

</div>
<span class='text_page_counter'>(5)</span><div class='page_container' data-page=5>

<i><b>Bảng 1. Thông số lắp đặt camera </b></i>

Chiều cao camera so với mặt đường 6,15 mét

Góc ngẩng của camera 78,7 độ

Góc quét của camera theo chiều dọc 37,4 độ

Tiêu cự của camera 4mm

Độ phân giải camera 600x800

Trong khung hình thu được nhóm tác giả chỉ
xét tới vùng được kẻ màu đỏ được minh họa
trong Hình 7 vì đây là vùng phù hợp với kịch
bản. Khi trời tối, camera giám sát có hướng

nhìn đến đằng sau phương tiện với mục đích
là việc nhận dạng phương tiện và trích xuất
biển số xe rõ ràng hơn so với camera có
hướng nhìn đến đằng trước.

Trong Hình 7, các phương tiện đang dừng chờ
đèn đỏ trong vùng bao màu đỏ không được
nhận ra vì các tác giả sử dụng phương pháp
trừ nền để tìm ra các phương tiện chuyển
động trong bài tốn ước lượng tính tốn vận
tốc phương tiện. Các phương tiện này kể từ
lúc dừng sau một chuỗi khung hình thì sẽ bị
thuật tốn coi là nền và khơng nhận diện ra có
phương tiện.

<i><b>Hình 7. Hình ảnh gốc và ảnh nhận dạng phương </b></i>

<i>tiện thu được </i>

Số phương tiện ô tô sau khi nhận dạng và
phân loại được thể hiện ở trong Hình 8 gồm
20 phương tiện.

<i><b>Hình 8. Các phương tiện nhận dạng được </b></i>
Kết quả mô phỏng đo tốc độ của phương pháp
này được thể hiện trong Hình 9. Bảng dữ liệu
được đưa ra từ vận tốc đo được của 20 mẫu ơ
tơ tìm được trong bộ dữ liệu thu được.

Trong biểu đồ này, các tác giả đã thống kê 2

tốc độ mẫu sử dụng tín hiệu GPS đánh giá sai
số của phương pháp.

0
5
10
15
20
25
30

1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 2 1

<b>BIỂU ĐỒ VẬN TỐC ĐO ĐƯỢC</b>
Phương pháp đề xuất Tốc độ mẫu

km

/h

phương tiện tìm được

<i><b>Hình 9. So sánh tốc độ tính bằng xử lý ảnh </b></i>

<i>với đo từ GPS </i>

<i><b>Bảng 2. Đánh giá sai số </b></i>
<b>Phương </b>

<b>tiện </b> <b>Tốc độ GPS </b>

<b>Tốc độ của phương </b>
<b>pháp đề xuất </b>
#8 19,70km/h 19,43km/h
#11 25,01km/h 25,17km/h
Trong Bảng 2 thể hiện tốc độ theo 2 phương
pháp. Coi tốc độ đo được bằng GPS là vận tốc
chính xác của phương tiện cần đo. Theo thống
kê từ Bảng 2 thì sai số của phương pháp lớn
nhất là 98,62% của phương tiện #8 và 99,36%
với phương tiện #11.

<b>Kết luận </b>

</div>
<span class='text_page_counter'>(6)</span><div class='page_container' data-page=6>

<i><b>Lời cảm ơn </b></i>

Nghiên cứu này là sản phẩm của đề tài có mã
số T2017-07-15, được tài trợ bởi kinh phí của
trường Đại học Cơng nghệ Thông tin và
Truyền thông.

TÀI LIỆU THAM KHẢO

1. D. F. Llorca, C. Salinas, M. Jiménez, I. Parra,
A. G. Morcillo, R. Izquierdo, J. Lorenzo, M. A.
<i>Sotelo, "Two-camera based accurate vehicle </i>
<i>speed measurement using average speed at a fixed </i>
<i>point", IEEE 19th International Conference on </i>
Intelligent Transportation Systems (ITSC), pp.
2533-2538, 2016.

2. Fumiaki Mitsugi, Toshiyuki Nakamiya, Yoshito
Sonoda, Hiroharu Kawasaki, <i>"High-Speed </i>
<i>Camera and Fibered Optical Wave Microphone </i>
<i>Measurements </i> <i>on </i> <i>Surface-Dielectric-Barrier </i>
<i>Discharges", IEEE Transactions on Plasma </i>
Science, pp. 2642 - 2648, 2015.

3. Chen Yajun, Zhang Erhu, Kang Xiaobing,
<i>"Divisional Velocity Measurement For </i>
<i>High-Speed Cotton Flow Based on Double CCD </i>
<i>Camera and Image Cross-Correlation Algorithm", </i>
The 11th IEEE International Conference on
Electronic Measurement & Instruments, pp.
202-206, 2013.

4. Viet-Hoa Do, Le-Hoa Nghiem, Ngoc Pham Thi,
<i>Nam Pham Ngoc, "A Simple Camera Calibration </i>
<i>Method For Vehicle Velocity Estimation", 12th </i>
International Conference on Electrical
Engineering /Electronics, Computer,
Telecommunications and Information Technology
(ECTI-CON), pp. 1-5, 2015.

5. Diogo Carbonera Luvizon, Bogdan Tomoyuki
<i>Nassu, and Rodrigo Minetto, "A Video-Based </i>
<i>System for Vehicle Speed Measurement in Urban </i>
<i>Roadways", IEEE Transactions On Intelligent </i>
Transportation Systems, pp. 1-12, 2016.

<i>6. David A. Forsyth and Jean Ponce, “Computer </i>
<i>Vision A Modern Approach” second edition, 2012. </i>
<i>7. C. Stauffer and W.E.L. Grimson, “Adaptive </i>
<i>background </i> <i>mixture </i> <i>models </i> <i>for </i> <i>real-time </i>
<i>tracking”, Proc. IEEE CVPR 1999, pp. 246-252, </i>
June 1999.

<i>8. Massimo Piccardi, “Background subtraction </i>
<i>techniques: a review”, IEEE International </i>
Conference on Systems, Man and Cybernetics, pp.
3099-3104, 2004.

9. Nguyen Viet Hung, Nguyen Hoang Dung, Le
Chung Tran, Thang Manh Hoang and Nguyen
<i>Tien Dzung “Vehicle Classification by Estimation </i>
<i>of the Direction Angle in a Mixed Traffic Flow”, </i>
IEEE Sixth International Conference on
Communications and Electronics (ICCE), pp. 365
- 368, 2016.

SUMMARY

<b>A MODEL VELOCITY MEASUREMENT METHOD FOR CAR </b>
<b>BASE IMAGE PROCESSING</b>

<b>Nguyen Viet Hung1*, Nguyen Thi Thao2, Do Huy Khoi2, Nguyen Tien Dzung1</b>
<i>1</i>

<i>Hanoi University of Science and Technology </i>
<i>2</i>

<i>University of Information and Communication Technology - TNU </i>

Today, automation in traffic management and monitoring has been important, vehicles need to be
controlled and monitored automatically. Monitoring of transportation vehicles to implement the
provisions of the Law on Road Traffic and to ensure safety traffic. Therefore, the application of
velocity measurement method based on image processing is important. The new method has been
proposed by the authors used parameters of camera to model the distance from the camera to the
vehicle. In this method, the location of the vehilce could be determined for each pixel obtained
based on camera settings. This method take advantage of the existing surveillance camera system
without changing or installing other supporting equipment, which is suitable for transportation
infrastructure in Vietnam.

<i><b>Keywords: velocity; car; depth; camera; image processing.</b></i>

<i><b>Ngày nhận bài:18/4/2017; Ngày phản biện: 09/5/2017; Ngày duyệt đăng: 30/9/2017 </b></i>

</div>

<!--links-->