Практическое применение компьютерного зрения

Актуальность

Компьютерное зрение и распознавание объектов становятся частью искусственного интеллекта, который базируется на высоких вычислительных способностях современных компьютеров. Идея внедрения информационных технологий в городскую среду приобретает всё более широкую масштабность, так как компьютерные алгоритмы превосходят человека по параметрам эффективности и безошибочности в работе.

Цель

Разработать алгоритм движения беспилотного аппарата согласно правилам дорожного движения с последующим внедрением в реальный роботизированный прототип на Raspberry Pi.

Задачи

1. Исследовать технологии компьютерного и машинного зрения.

2. Ознакомиться с возможностями платформы Raspberry Pi.

3. Изучить средства обработки изображений в режиме реального времени.

4. Разработать алгоритм обнаружения линий дорожной разметки, используя ресурсы выбранного языка программирования.

5. Спроектировать демонстрационное колёсное устройство, содержащее при себе микрокомпьютер Raspberry Pi.

6. Протестировать готовый продукт на самодельном дорожном полотне.

Оснащение и оборудование, использованное при создании работы

• Персональный компьютер с установленными ПО и IDE
• Микрокомпьютер Raspberry Pi 4
• Фото- и видеокамера Raspberry Pi Camera Board v2.1
• Карта памяти SDHC Transcend 16Гб
• 4-моторное шасси
• Драйвер для двигателей ЛМ2-130 на базе L293D
• Закрытый батарейный отсек 4xAA
• Аккумуляторы Camelion 2700мАч, 1.2В
• Конструктор LEGO
• Портативный аккумулятор Xiaomi 10000мАч
• Мебельные крепежи, винты, гайки, провода

Описание

Авторы работы исследовали области применения машинного зрения, проанализировали возможные пути реализации алгоритма обнаружения линий разметки, сопоставляя их с возможностями платформы Raspberry Pi. Были изучены способы обработки изображений, получаемых с видеокамеры в режиме реального времени. В соответствии с полученными знаниями на языке программирования Python был написан алгоритм обнаружения линий дорожной разметки, который наиболее оптимально использует аппаратные ресурсы маломощной системы. Благодаря современным библиотекам OpenCV и numpy существенно облегчается работа с изображениями. В алгоритме удалось избежать использования нейронных сетей, в связи с чем скорость работы в движении составляла около 5–6 кадр./с. Программа работает на основе бинаризации изображения и выделения белых полос на дороге. После этого был спроектирован и сконструирован демонстрационный колёсный аппарат из выбранных запчастей и деталей с использованием микрокомпьютера Raspberry Pi и видеокамеры. Для установки видеокамеры использовался конструктор для гибкости в настройке её положения. В заключительной части проекта авторы выполнили запуск и тестирование устройства с внедрением алгоритма.

Результаты работы/выводы

1. Получен комплекс сведений о компьютерном и машинном зрении, о реализации данных технологий и их использовании в современном мире.

2. Приобретён опыт работы с платформой Raspberry Pi и выпускаемыми её сообществом компонентами.

3. Разработан алгоритм обнаружения линий дорожной разметки на языке программирования Python.

4. Произведено тестирование программы на автономно работающем 4-колёсном аппарате.

В ходе выполнения проекта был разработан и оптимизирован под маломощные системы алгоритм распознавания белых линий дорожной разметки на тёмном полотне. С использованием платформы Raspberry был спроектирован демонстрационный колёсный аппарат, способный перемещаться по выделенной полосе дорожного полотна, ограниченной линиями разметки, а также реализован метод ручного удалённого управления устройством.

Стоит отметить, что аппарат по скоростным (относительно обработки кадра) характеристикам обходит существующие аналоги. Он может послужить учебным примером при исследовании темы компьютерного зрения.

Перспективы использования результатов работы

Усовершенствование и оптимизация алгоритма для достижения наилучшей точности, расширение числа поддерживаемых машиной моделей поведения в различных дорожных ситуациях; устранение неполадок в работе колёсного аппарата.