Система автоматизированного управления движением транспортных средств на основе распознавания дорожной сцены и ее объектов



Цитировать

Полный текст

Аннотация

Для сокращения числа дорожно-транспортных происшествий и повышения безопасности дорожного движения проводятся исследования и разработки в области систем помощи водителю (ADAS). В настоящее время получили большое распространение ADAS такие, как ассистент удержания в полосе движения, обнаружения препятствий на полосе следования, определение дорожных знаков, ассистент помощи при парковке, система определение пешеходов, система ночного видения, адаптивный круиз-контроль, система контроля слепых зон и т.д. Системы помощи водителю, разработкой которых занимаются многие крупные зарубежные производители автомобилей, уже внедрены серийно и активно эксплуатируются на дорогах общего пользования. Однако на рынке Российской Федерации практически отсутствуют собственные разработки и решения, которые возможно серийно устанавливать на автомобили. Установка зарубежных ADAS систем на отечественные автомобили затруднена ввиду отличающихся условий эксплуатации, некоторой разнице в типах дорожной инфраструктуры, а также из-за высокой стоимости, связанной с нестабильной экономической ситуацией. Для реализации функций ADAS на коммерческом транспорте, адаптированных под условия эксплуатации в России, коллективом НГТУ им. Р.Е. Алексеева совместно с Группой ГАЗ проводятся работы над концептом системы помощи водителю с возможностью корректировки движения автомобиля путем интеграции в систему рулевого управления. Разработан функциональный и аппаратный состав системы. Проведены испытания отдельных составляющих системы в части распознавания дорожных знаков, определения и предупреждения водителя о сходе с полосы движения и о возможном столкновении с препятствиями на пути следования. Проведена интеграция системы помощи водителю с рулевым управлением посредством передачи данных по CAN-шине автомобиля. По результатам испытаний сделаны соответствующие выводы об эффективности работы отдельных частей системы и поставлены дальнейшие цели по доработке и усовершенствованию системы помощи водителю, способствующей повышению безопасности дорожного движения и снижению количества дорожно-транспортных происшествий.

Об авторах

Д. М Порубов

Нижегородский государственный технический университет им. Р.Е. Алексеева

Email: dmitry.porubov@nntu.ru

П. О Береснев

Нижегородский государственный технический университет им. Р.Е. Алексеева

Д. Ю Тюгин

Нижегородский государственный технический университет им. Р.Е. Алексеева

к.ф.-м.н.

А. В Тумасов

Нижегородский государственный технический университет им. Р.Е. Алексеева

к.т.н.

В. В Беляков

Нижегородский государственный технический университет им. Р.Е. Алексеева

д.т.н.

Д. В Зезюлин

Нижегородский государственный технический университет им. Р.Е. Алексеева

к.т.н.

Список литературы

  1. On-road Automated Vehicle Standards Committee, 2014. SAE J3016: Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems. SAE International.
  2. Журнал The journal modern electronics. Режим доступа: https://www.soel.ru/rubrikator/rynok/ (Дата обращения 10.01.2018).
  3. Hoang, T., Hong, H., Vokhidov, H., Park, K. Road lane detection by discriminating dashed and solid road lanes using a visible light camera sensor // Sensors, 2016, 16, 1313.
  4. Shanti B., Ganorkar S. Real-time lane detection for driving system using image // Processing. International Research Journal of Engineering and Technology (IRJET), 2015, Volume: 02 Issue.
  5. Janda F., Pangerl S., Schindler A. A Road Edge Detection Approach for Marked and Unmarked Lanes Based on Video and Radar. // 16th International Conference on Information Fusion, 2013, July 9-12.
  6. Shojania H. Real time traffic sign detection // Report Project on Fall, 2003.
  7. de la Escalera, A., Moreno, L., Salichs, M., Armingol, J. M. Road traffic sign detection and classification. Industrial Electronics // IEEE Transactions. 1997. V.6. pp 848 - 859.
  8. Pydipogu P., Fahim M., Shafique M. Robust lane detection and object tracking in relation to the intelligence transport system // Master’s Thesis Electrical Engineering Signal Processing, 2013.
  9. Shah V., Maru S., Jhaveri R. An obstacle detection scheme for vehicles in an intelligent transportation system // Int. J. Comput. Netw. Inf. Secur., 2016, vol. 8, no. 10, pp. 23-28.
  10. Dyczkowski K., Gadecki P., Kułakowski A. Traffic signs recognition system // Proceedings of the World Conference on Soft Computing, San Francisco State University, USA, 2011.
  11. Sumi K., Arun Kumar M. Detection and recognition of road traffic signs // A Survey. International Journal of Computer Applications, 2017, Volume 160 - No.3.
  12. Fifik M., Turán J., Ovseník L., Fazekas K. Experiments with a transform based traffic sign recognition system // Proc. of 17th International Conference on Systems Signals and Image Processing IWSSI P2010, 2010, June 17-19. pp. 227-230.
  13. Xu H., Wang X., Huang H., Wu K., Fang Q. A fast and stable lane detection method based on b-spline curve // Proceedings of the IEEE 10th International Conference on Computer-Aided Industrial Design & Conceptual Design,Wenzhou, China, 2009, 26-29; pp. 1036-1040.
  14. Li W., Gong X., Wang Y., Liu P.A. Lane marking detection and tracking algorithm based on sub-regions // Proceedings of the International Conference on Informative and Cybernetics for Computational Social Systems, Qingdao, China, 2014, 9-10; pp. 68-73.
  15. Wang Y., Teoh E., Shen D. Lane detection and tracking using b-snake // Image Vis. Comput., 22, 2004, pp. 269-280.
  16. Deng J., Kim J., Sin H., Han Y. Fast lane detection based on the B-spline fitting // Int. J. Res. Eng. Tech., 2013, V.2, pp.134-137.
  17. Tan H., Zhou Y., Zhu Y., Yao D., Li K. A novel curve lane detection based on improved river flow and RANSA // Proceedings of the International Conference on Intelligent Transportation Systems, Qingdao, China, 2014, 8-11; pp. 133-138.
  18. Zhou S., Jiang Y., Xi J., Gong J., Xiong G., Chen H. A novel lane detection based on geometrical model and Gabor filter. // Proceedings of the IEEE Intelligent Vehicles Symposium, San Diego, CA, USA, 2010, 21-24; pp. 59-64.
  19. Litkouhi B., Lee A., Craig D. Estimator and controller design for Lanetrak, a vision-based automatic vehicle steering system // Proceedings of the 32nd Conference on Decision and Control, San Antonio, TX, USA, 1993, 15-17; pp. 1868-1873.
  20. Yoo H., Yang U., Sohn K. Gradient-enhancing conversion for illumination-robust lane detection // IEEE Trans. Intell. Transp. Syst., 2013, 14, 1083-1094.
  21. Chiu K., Lin S. Lane detection using color-based segmentation // Proceeding of the Intelligent Vehicles Symposium, Las Vegas, NV, USA, 2005, 6-8; pp. 706-711.
  22. Shin J., Lee E., Kwon K., Lee S. Lane detection algorithm based on top-view image using random sample consensus algorithm and curve road model // Proceedings of the 6th International Conference on Ubiquitous and Future Networks, Shanghai, China, 2014, 8-11; pp. 1-2.
  23. Lu W., Rodriguez F., Seignez E., Reynaud R. Monocular multi-kernel based lane marking detection // Proceedings of the 4th Annual International Conference on Cyber Technology in Automation, Control, and Intelligent Systems, Hong Kong, China, 2014, 4-7; pp. 123-128.
  24. Aly M. Real time detection of lane markers in urban streets // Proceedings of the IEEE Intelligent Vehicles Symposium, Eindhoven, 2008, The Netherlands, 4-6; pp. 7-12.
  25. Li H., Feng M., Wang X. Inverse perspective mapping based urban road markings detection. In Proceedings of the International Conference on Cloud Computing and Intelligent Systems, 2013, Hangzhou, China, 30; pp. 1178-1182.
  26. Li Z., Cai Z.-X., Xie J., Ren X.-P. Road markings extraction based on threshold segmentation. In Proceedings of the International Conference on Fuzzy Systems and Knowledge Discovery, 2012, Chongqing, China, 29-31; pp. 1924-1928.
  27. Mu C., Ma X. Lane detection based on object segmentation and piecewise fitting. TELKOMNIKA Indones. J. Electr. Eng., 2014, 12, 3491-3500.
  28. Máthé K.; Buşoniu L. Vision and control for uavs: a survey of general methods and of inexpensive platforms for infrastructure inspection. Sensors, 2015, 15, 14887-14916.
  29. Библиотека OpenCV. Режим доступа: https://opencv.org/ (Дата обращения 10.01.2018).
  30. ГОСТ Р 52290-2004. Технические средства организации дорожного движения. Знаки дорожные. Общие технические требования. Введ. 2006-01-01. М.: Изд-во стандартов, 2004. 118 с.
  31. Ding, Y., Xu, Z., Zhang, Y., Sun, K. Fast lane detection based on bird’s eye view and improved random sample consensus algorithm // Multimedia Tools and Applications. 2016. 10.1007/s11042-016-4184-6.
  32. Официальный сайт Группы ГАЗ. Режим доступа: http://gazgroup.ru (Дата обращения 10.01.2018).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Порубов Д.М., Береснев П.О., Тюгин Д.Ю., Тумасов А.В., Беляков В.В., Зезюлин Д.В., 2018

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).