19. Ứng dụng công nghệ xử lý ảnh và mô hình học sâu phát triển xe tự lái
Từ khóa:
Xe tự hành; Phát hiện làn đường; Phát hiện đối tượng; Robot Operating System (ROS); Exponential Moving Average (EMA).Tóm tắt
Trong bài báo này, chúng tôi trình phương pháp và kế hoạch phát triển xe tự hành tỉ lệ 1/10 trong thành phố thu nhỏ bao gồm việc thực hiện mô phỏng, xây dựng kế hoạch đường đi và thu thập dữ liệu làn đường và phát hiện tín hiệu giao thông sử dụng xử lý ảnh và các kĩ thuật học sâu. Robot Operating System (ROS) là một nền tảng cơ bản trong việc phát triển các hệ thống robot và xe tự lái, ROS sử dụng các phần mềm riêng lẻ giao tiếp với nhau thông qua các chủ đề và hành động. Phần mềm mô phỏng Gazebo trong ROS được sử dụng để xây dựng, thiết lập bản đồ, xe và các đối tượng để mô phỏng như trong môi trường thực tế. Làn đường được phát hiện bằng cách sử dụng xử lí ảnh, phát hiện cạnh, sử dụng thuật toán hough tranform phát hiện làn đường từ đó tính toán góc lái đưa ra dự đoán và điều hướng xe, đối tượng và các tín hiệu giao thông được tiến hành thu thập dữ liệu, gán nhãn và huấn luyện dựa trên mô hình YOLOV5, từ các dữ liệu được phát hiện tiến hành gửi tín hiệu điều khiển thông qua ROS và giao tiếp Serial để gửi xuống board mạch chấp hành điều khiển động cơ và servo điều khiển.
Tài liệu tham khảo
Li, Y., & Chen, L. (2016). Nighttime lane markings recognition based on Canny detection and Hough transform. In Proceedings of The 2016 IEEE International Conference on Real-Time Computing and Robotics.
DOI: 10.1109/RCAR.2016.7784064
Lee, S., Son, H., & Min, K. (2010). Implementation of Lane Detection System using Optimized Hough Transform Circuit. In Proceedings of the IEEE International Conference. Korea Electronics Technology Institute, Seongnam-si, Republic of Korea. ISBN: 978-1-4244-7456-1.
DOI: 10.1109/APCCAS.2010.5775078
Pannu, G. S., Ansari, M. D., & Gupta, P. (2015). Design and Implementation of Autonomous Car using Raspberry Pi. International Journal of Computer Applications, 113(9), March 2015.
DOI: 10.5120/19854-1789
Tran Ngoc, H., & Quach, L. D. (2022). Adaptive Lane Keeping Assist for an Autonomous Vehicle based on Steering Fuzzy-PID Control in ROS. International Journal of Advanced Computer Science and Applications (IJACSA), 13(10).
DOI: 10.14569/IJACSA.2022.0131086
Roy, S., & Zhang, Z. (2020). Route Planning for Automatic Indoor Driving of Smart Cars. In Proceedings of the 2020 IEEE 7th International Conference on Industrial Engineering and Applications. Tongji University, Shanghai, China.
DOI: 10.1109/ICIEA49774.2020.9102061
Hwang, K., Jung, I. H., & Lee, J. M. (2022). Implementation of Autonomous Driving on RC-CAR with Raspberry PI and AI Server. Webology, 19(1), January 2022.
DOI: 10.14704/WEB/V19I1/WEB19293.
Hồ Văn Thu, & Lê Thanh Phúc. (2015). Ứng dụng xử lý ảnh nhận dạng đường đi cho ô tô chạy tự động (Application of Image Processing to Detect Lane for Autonomous Vehicle). Tạp chí Khoa học Giáo dục Kỹ thuật, Trường Đại học Sư phạm Kỹ thuật TP.HCM, (31/2015), 21.
https://jte.edu.vn/index.php/jte/article/view/492
Li L, Wang Z, Zhang T. GBH-YOLOv5: Ghost Convolution with BottleneckCSP and Tiny Target Prediction Head Incorporating YOLOv5 for PV Panel Defect Detection. Electronics. 2023; 12(3):561.
DOI: 10.3390/electronics12030561
Xie, J., Pang, Y., Nie, J., Cao, J., & Han, J. (2022). Latent feature pyramid network for object detection. IEEE Transactions on Multimedia, 25, 2153-2163.
DOI: 10.1109/TMM.2022.3143707
Wang, H., Qin, Q., Chen, L., Li, Y., & Cai, Y. (2025). RTMDet-R: A Robust Instance Segmentation Network for Complex Traffic Scenarios. IEEE Transactions on Intelligent Transportation Systems.
DOI: 10.1109/TITS.2025.3539658
