Đang chuẩn bị liên kết để tải về tài liệu:
Robust lane line and vehicle detection

Automatic Lane Detection is a prerequisite in the development of self-driving cars - a new trend that will surely prevail in the near future. Lane identification has two levels including determining purely by image processing (1) and determining by machine learning (2). Processing with machine learning will produce more accurate results under a variety of environmental conditions than simply processing images. However, that approach requires a huge amount of training model input, along with a high requirement of processing system resources such as CPU, GPU and the other similar types of resource which is not easy to be found by students. | ROBUST LANE LINE AND VEHICLE DETECTION SVTH Đào Anh Thành Lý Trung Kiên Phạm Tiến Thành Nguyễn Tuấn Hưng GVHD ThS Bùi Quốc Khánh Tóm tắt - Tự động xác định làn đường là bước tiên quyết trong việc phát triển xe tự lái một xu hướng mới mà chắc chắn sẽ phổ biến trong tương lai gần. Xác định làn đường có hai mức độ 1 xác định đơn thuần bằng xử lý ảnh và 2 xác định bằng máy học. Việc xử lý bằng máy học sẽ cho kết quả chính xác với nhiều điều kiện môi trường hơn việc chỉ bằng xử lý ảnh đơn thuần. Tuy nhiên cách tiếp cận đó yêu cầu một lượng dữ liệu đầu vào training model rất lớn cùng với đó là yêu cầu cao về nguồn lực hệ thống xử lý CPU GPU. thứ không dễ để sinh viên có thể tiếp cận. Do đó với bài toán này chúng tôi chọn cách tiếp cận đơn giản bằng cách khoanh vùng và xử lý ảnh cũng là bước đầu của mức độ 2 chúng tôi vừa đề cập bên trên . Việc này đi kèm cả lợi ích và hạn chế mà chúng tôi sẽ đề cập trong bài. Bên cạnh xác đinh làn đường xác định ô tô cũng được áp dụng trong bài. Abstract - Automatic Lane Detection is a prerequisite in the development of self-driving cars - a new trend that will surely prevail in the near future. Lane identification has two levels including determining purely by image processing 1 and determining by machine learning 2 . Processing with machine learning will produce more accurate results under a variety of environmental conditions than simply processing images. However that approach requires a huge amount of training model input along with a high requirement of processing system resources such as CPU GPU and the other similar types of resource which is not easy to be found by students. Therefore we choose a simple approach for this problem by districting and processing images which are also the first steps of the level 2 we mentioned above. This comes with both benefits and limitations that we will refer in the paper. Besides some advanced algorithms are also applied to detect vehicles. Keywords Lane line detection HoughTransform Edge .