Применение систем компьютерного зрения для решения задач управления транспортными средствами Python и OpenCV

Магистерская диссертация

Главной целью данной работы является разработка программного модуля для определения полосы движения автомобиля, а также кривизны полосы и отклонения автомобиля от центра данной полосы. Реализация этого модуля основывается на традиционных методах компьютерного зрения с использованием языка программирования Python и библиотеки OpenCV.

Дата защиты 2024 в МГТУ им.Баумана полученная оценка отлично.

В архиве полный проект приложения, презентация для выступления и текст для выступления, 10 листов А1 со схемами и диаграммами, расчетно пояснительная записка(стр. 68)

ВВЕДЕНИЕ. 9

1.    НАУЧНО-ИССЛЕДОВАТЕЛЬСКАЯ ЧАСТЬ. 11

1.1. Техническое задание. 11

1.1.1.    Общие сведения. 11

1.1.2.    Назначение и цели создания системы. 11

1.1.3.    Требования к системе. 12

1.1.4.    Состав и содержание работ по созданию системы.. 13

1.1.5.    Порядок контроля и приемки системы, требования к составу и параметрам технических средств, требования к документированию.. 14

1.1.6.    Источники разработки. 15

1.2. Описание предметной области. 15

1.3. Анализ инструментов разработки. 17

1.3.1.    Python. 17

1.3.2.    PyCharm.. 18

1.3.3.    OpenCV.. 20

1.4. Типы оптических систем. 22

1.5. Алгоритмы и методы компьютерного зрения. 25

2.    ПРОЕКТНО–КОНСТРУКТОРСКАЯ ЧАСТЬ. 28

2.1. Разработка структуры системы. 28

2.2. Описание методов обработки изображения. 31

2.2.1.    Калибровка камеры и коррекция искажений. 31

2.2.2.    Преобразование перспективы и выбор ROI 34

2.2.3.    Генерация двоичного изображения с пороговым значением. 35

2.3. Описание методов анализа изображения. 39

2.3.1.    Определение полосы движения методом скользящих окон. 39

2.3.2.    Обнаружение полосы движения методом кластеризации. 42

2.3.3.    Преобразование полосы движения к реальному размеру. 44

2.3.4.    Определение кривизны полосы движения и положение транспортного средства относительно центра. 45

3.    ОРГАНИЗАЦИОННО-УПРАВЛЕНЧЕСКАЯ ЧАСТЬ. 48

3.1. Тестирование алгоритма работы. 48

3.1.1.    Тестирование точности распознания. 50

3.2. Требование к системе. 51

3.3. Расчет стоимости разработки программного продукта. 52

3.4. Расчет расходов на электропотребление. 54

3.5. Определение экономической эффективности. 55

3.6. Определение расчетного коэффициента экономической эффективности программы. 55

ЗАКЛЮЧЕНИЕ. 56

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ. 57

ПРИЛОЖЕНИЕ А. 59

1. ГОСТ Р 51904-2002. Программное обеспечение встроенных систем.Общие требования к разработке и документированию.

2. ГОСТ Р 56920-2016. Системная и программная инженерия. Тестирование программного обеспечения.

3. ГОСТ Р 57100-2016. Системная и программная инженерия. Описание архитектуры.

4.Развитие языка Python: ключевые моменты и история [Электронный ресурс] URL: https://cms.by/blog/python/istoriya-razvitiya-yazyka-programmirovaniya-python/. (Дата обращения: 15.05.2024).

5.     Дэвид Форсайт, Жан Понс. Компьютерное зрение. Современный подход. — М.: «Вильямс», 2004.

6.     Л. Шапиро, Дж. Стокман. Компьютерное зрение. — М.: Бином. Лаборатория знаний, 2006.

7.     Кравцова Т.А. Сравнительное исследование методов адаптивной бинаризации в задаче автоматизированного анализа изображений клеток в иммуноцитохимии. Молодежный научно - технический вестник, 2015.

8.     Янковский А.А., Бугрий А.Н. Критерии выбора метода бинаризации при обработке изображений лабораторных анализов // АСУ и приборы автоматики. [Электронный ресурс], 2010. № 153. Режим доступа: https://cyberleninka.ru/article/n/kriterii-vybora-metoda-binarizatsii-pri-obrabotke-izobrazheniy-laboratornyh-analizov(Дата обращения: 15.05.2024).

9.     Простой Python. Современный стиль программирования. 2-е изд. Любанович Б.- СПб.: Питер, 2022

10.   Qiang Zhang, Jianze Liu and Xuedong Jiang Lane Detection Algorithm in Curves Based on Multi-Sensor Fusion. [Электронный ресурс], 2023 https://www.researchgate.net/publication/371779240_Lane_Detection_Algorithm_in_Curves_Based_on_Multi-Sensor_Fusion(Дата обращения: 15.05.2024).

11. J. Fritsch, T. Kuhnl and A. Geiger, "A new performance measure and evaluation benchmark for road detection algorithms," in Proc. 16th International IEEE Conference on Intelligent Transportation Systems. [Электронный ресурс], 2013 https://www.researchgate.net/publication/259772760_A_New_Performance_Measure_and_Evaluation_Benchmark_for_Road_Detection_Algorithms (Дата обращения: 15.05.2024). 

12.   «Компьютерное зрение: технологии, рынок, перспективы», отчет TAdviser, 2018.

13.   Бейдер Д. Чистый Python. Тонкости программирования для профи. — СПб.: Питер, 2018.