Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Bài viết đề xuất một mô hình học sâu dựa trên kiến trúc mạng CNN để xác định tâm làn đường đối với các thiết bị tự hành, đảm bảo độ chính xác trong nhiều điều kiện môi trường về ánh sáng và địa hình; yêu cầu độ phức tạp tính toán thấp, dễ dàng xây dựng tập dữ liệu huấn luyện. | Journal of Science and Technique - N.206 5-2020 - Le Quy Don Technical University SỬ DỤNG HỌC SÂU TRONG BÀI TOÁN XÁC ĐỊNH TÂM LÀN ĐƯỜNG CHO CÁC THIẾT BỊ TỰ HÀNH Nguyễn Ngọc Tuấn Lại Tiến Đệ Đại học Kỹ thuật Lê Quý Đôn Tóm tắt Bài báo đề xuất một mô hình học sâu dựa trên kiến trúc mạng CNN để xác định tâm làn đường đối với các thiết bị tự hành đảm bảo độ chính xác trong nhiều điều kiện môi trường về ánh sáng và địa hình yêu cầu độ phức tạp tính toán thấp dễ dàng xây dựng tập dữ liệu huấn luyện. Từ khóa Thiết bị tự hành hệ thống hỗ trợ lái thuật toán xác định làn đường trí tuệ nhân tạo học sâu mạng nơron tích chập CNN. 1. Đặt vấn đề Trong những năm gần đây cùng với sự phát triển của công nghệ thông tin trí tuệ nhân tạo lĩnh vực tự động hóa cũng đang phát triển hết sức mạnh mẽ. Nhu cầu về xe không người lái các thiết bị tự hành ngày càng lớn. Trong đó nhận dạng xác định làn đường đối các thiết bị tự hành Autonomous vehicles cũng như các hệ thống hỗ trợ lái xe Driver Assistance Systems là bài toán đặc biệt quan trọng đòi hỏi ngày càng cao về sự chính xác an toàn ngay cả trong nhiều điều kiện khác nhau như ánh sáng thời tiết thay đổi sự đa dạng về môi trường hoạt động. Đối với các thiết bị tự hành trong công nghiệp trước đây dữ liệu đầu vào thường lấy từ các cảm biến như cảm biến hồng ngoại cảm biến từ trường. cùng với những thiết kế cố định đối với môi trường hoạt động như ánh sáng line đường. điều đó làm giới hạn phạm vi hoạt động cũng như tính đa dụng của các thiết bị. Những thiết bị tự hành hiện đại hiện nay như ô tô không người lái máy bay không người lái robot vận chuyển hàng hóa drone giao hàng tự động thường sử dụng các hệ thống camera để thu thập dữ liệu cho việc xác định quỹ đạo di chuyển. Dữ liệu từ cảm biến camera có thể được xử lý bằng các thuật toán xử lý ảnh thông thường như lọc màu phát hiện cạnh xoay ảnh lọc nhiễu. để bóc tách được các line đường từ đó xác định được làn đường và tâm đường. Tuy nhiên những thuật toán đó thường thiếu ổn định với nhiễu do
