Cuộc đua số

{ CDSNTU2 }

Problem Results
• Lane detection • Tính được tâm đường từ hai lane đường.
• Sign detection • Xác định được vị trí biển báo và loại biển báo.

Contributions Solution Representation

1. Vòng loại trường (lane detection)
Formulation • Chuyển ảnh từ hệ màu RGB sang
hệ màu HSV.
Tính toán khả năng các vùng có biển báo: 1.
• Tiến hành lấy ngưỡng từ 2 trường
rect_width hợp ( có bóng râm và không có
ratio = (1)
rect_height bóng râm).(Pic 2)
rect_area • Kết hợp 2 trường hợp lại với nhau
ratioRect = (2)
image_area bằng toán tử OR cho ra 1 ảnh. 2.
Điều kiện thỏa mãn: • Xác định 2 lane bằng Hough
Transform từ ảnh thu được.
ratioRect > min_area (3) • Từ đó xác định được tâm đường.
x 6 ratio 6 y (4) 2. Vòng bán kết (lane detection) 3.

• Chuyển ảnh màu sang ảnh xám

và dùng lọc trung vị để tiến hành
giảm bớt nhiễu. Với (Pic 4) cho
trường hơp tuyết. 4.
• Phát hiện biên bằng Laplacian với
một ngưỡng nhất định.(Pic 3)
• Cắt vùng quan tâm để giảm bớt
những thông tin không cần thiết. 5.
• Dùng một ô có kích thước n x n
trượt lần lượt từ hai bên , so sánh
tỉ lệ diện tích các điểm ảnh màu
trắng với một tỉ lệ t nhất định, trả
về điểm ảnh thuộc lane trái phải . 6.

3. Sign detection
Parameters
• Chuyển ảnh hệ màu RGB sang hệ 1. Ngưỡng phát hiện lane trắng:
màu HSV.. min = (0, 0, 180)
• Tiến hành lọc màu xanh biển báo max = (179, 30, 255)
từ hệ màu HSV.(Pic 6)
2. Ngưỡng phát hiện lane trắng trong bóng
• Tiến hành vẽ các đường bao từ ảnh râm:
nhị phân. min = (0, 0, 100)
• Tính diện tích các đường bao và max = (179, 255, 255)
sắp xếp theo thứ tự diện tích giảm
3. Ngưỡng phát hiện biển báo:
dần để tối ưu việc tìm ra vùng chứa
min = (100, 100, 100)
biển báo.
max = (120, 255, 255)
w
• Xét các đường bao có tỉ lệ /h nằm
trong khoảng (x , y). Đây là những
đối tượng có khả năng chứa biển
báo cao.
Disadvantages
• Trích xuất đặc trưng (HOG) trên
những đối tượng đó và đưa vào bộ Đối với phát hiện biển báo:
SVM để tiến hành lấy kết quả. • Dễ bị nhiễu các vật cùng màu.
• Độ chính xác phụ thuộc vào ngưỡng.
Advantages
• Chọn tỉ lệ, kích thước phải phù hợp.
Đối với phát hiện biển báo:
Đối với phát hiện lane đường:
• Dễ sử dụng.
• Phụ thuộc vào cách lấy ngưỡng khác
• Giảm được khối lượng thời gian tính nhau cho phù hợp với môi trường.
References toán khi không dùng cửa sổ trượt (slid-
ing window). • Chưa hiệu quả khi xe chạy tốc độ cao.
 Cuộc đua số
{ CDSNTU2 }

Problem Results
Car controller Điều khiển xe chạy theo trên cung đường đã xác định.

Contributions Solution Representation

Formulation
crt_steer
crt_v = max_v × (1 −
max_steer
(1) With:
• crt_v: current velocity
• max_v: max velocity
• crt_steer: current steer
• max_steer: max steer
1. Trường hợp không có biển báo
(a) Trường hợp xác định được 2 lane Parameters
đường: Chạy theo tâm đường đã
xác định sẵn.
) (5)
(b) Trường hợp xác định được 1 lane
đường: Chạy theo lane đã xác định
được.
(c) Trường hợp mất 2 lane: Cho xe đi
theo một đường thẳng.
2. Trường hợp có biển báo
(a) Trường hợp xác định được lane
tương ứng với hướng rẽ: Bám theo
lane hướng rẽ.
(b) Trường hợp không xác định được
lane tương ứng với hướng rẽ
• Trường hợp xác định được
lane còn lại: Từ lane còn
lại đẩy tâm đường sang một
khoảng bên hướng rẽ.
• Trường hợp không xác định
được lane còn lại: Tính tâm
đường từ tâm ảnh và điều
chỉnh tâm lệch với một khoảng
cách nhất định.
3. Với những khúc cua lớn thì tiến hành
giảm tốc độ với một tỉ lệ nhất định tính
được từ độ lớn góc cua.

References Advantages Disadvantages

 Cuộc đua số
{ CDSNTU2 }

Problem Results
Lane detection Điều khiển xe chạy theo trên cung đường đã xác định. Tránh được vật cản, nhiễu.

Contributions Solution Representation

Dùng CNN để giải quyết bài toán regres-
sion.
Formulation Parameters
• Cho xe chạy và lưu ảnh từ camera thu
được với thông tin gồm góc lái và tốc
độ.

• Tiền xử lý dữ liệu: Ảnh thu được có

kích thước 640 x 480 , resize ảnh với
kích thước 320 x 240 ( việc này làm mất
một số thông tin của ảnh).
• Sử dụng Dropout đến tránh việc overfit.

• Input: Ảnh RGB với kích thước

320x240

• Output: Giá trị dự đoán góc lái và tốc

độ cần đạt được.
• Kiến trúc CNN:

Layer Type Size

1 Conv 5x5, 24
2 Conv 5x5, 36
3 Conv 5x5, 48
4 Conv 3x3, 64
5 Conv 3x3, 64
6 Conv 3x3, 64
7 FC 128
8 FC 64
9 FC 32
10 FC 1

• Loss functions: Sử dụng Mean Square

Error để đánh giá mô hình.

References
[1] Udacity Self-Driving Car Advantages Disadvantages
https://github.com/udacity/self-driving-car