Un article parlant du système de reconnaissance des panneaux de signalisation en conduite autonome

Qu'est-ce qu'un système de reconnaissance des panneaux de signalisation ?

Le système de reconnaissance des panneaux de signalisation du système de sécurité automobile, dont la traduction anglaise est : Traffic Sign Recognition, ou TSR en abrégé, utilise la caméra frontale combinée au mode de reconnaissance des panneaux de signalisation courants (limitation de vitesse, stationnement, demi-tour). , etc.). Cette fonction alerte le conducteur des panneaux de signalisation devant lui afin qu'il puisse y obéir. La fonction TSR améliore la sécurité en réduisant la probabilité que les conducteurs ne respectent pas le code de la route, comme les panneaux d'arrêt, et évitent les virages à gauche illégaux ou d'autres infractions involontaires au code de la route. Ces systèmes nécessitent des plates-formes logicielles flexibles pour améliorer les algorithmes de détection et s'adapter aux panneaux de signalisation dans différentes zones.

Principe de reconnaissance des panneaux de signalisation

La reconnaissance des panneaux de signalisation, également connue sous le nom de TSR (Traffic Sign Recognition), fait référence à la capacité de collecter et d'identifier les informations sur les panneaux de signalisation routière qui apparaissent pendant que le véhicule roule, et de fournir des instructions ou des avertissements en temps opportun. Au conducteur, ou contrôler directement le véhicule pour qu'il fonctionne pour assurer une circulation fluide et prévenir les accidents. Dans les véhicules équipés de systèmes de conduite assistée par la sécurité, si le véhicule peut fournir un système TSR efficace, il peut fournir aux conducteurs des informations fiables sur les panneaux de signalisation routière en temps opportun, améliorant ainsi efficacement la sécurité et le confort de conduite.

Ce qui suit présentera une méthode typique de reconnaissance des panneaux de signalisation routière.

TSR est basé sur les caractéristiques des objets reconnus par le système visuel humain. Son principe de reconnaissance est d'utiliser les riches informations de couleur et les informations de forme fixe des panneaux routiers pour la reconnaissance des caractéristiques. Plus précisément, le processus de reconnaissance peut être divisé en deux étapes : la « séparation » et la « reconnaissance ». La séparation fait référence à la recherche de cibles candidates dans les images acquises et à l'exécution du prétraitement correspondant, suivi de la reconnaissance des panneaux de signalisation, y compris l'extraction et la classification des caractéristiques, et enfin à la détermination plus approfondie de l'authenticité des cibles.

1. Séparation des panneaux de signalisation

La séparation des panneaux de signalisation nécessite en fait d'obtenir rapidement des zones d'intérêt pouvant être des panneaux de signalisation à partir d'images de scènes complexes. Ensuite, la méthode de reconnaissance de formes est utilisée pour identifier davantage la zone d’intérêt et localiser son emplacement spécifique. Étant donné que les panneaux de signalisation fonctionnent comme des indicateurs, des rappels et des avertissements, ils sont conçus pour être accrocheurs, de couleurs vives, de graphiques concis et de signification claire. Par conséquent, les régions d’intérêt sont généralement cartographiées en utilisant leur couleur et leur forme.

Actuellement, les espaces colorimétriques couramment utilisés dans la reconnaissance des panneaux de signalisation incluent RVB, HIS et CIE. En tant que trois couleurs primaires couramment utilisées dans le traitement d'image, RVB constitue la base de la construction de diverses autres méthodes de représentation des couleurs. Transformé.

Nous savons que pour les panneaux de signalisation, la plupart des couleurs sont relativement uniques et fixes. Par exemple, les panneaux rouges indiquent généralement des interdictions, les panneaux bleus indiquent généralement des instructions et les panneaux jaunes indiquent généralement des avertissements. utilisés ici. Le rouge, le jaune et le bleu sont représentés par des correspondances d’identification.

Étant donné que l'espace colorimétrique contient également plus d'informations telles que la saturation, afin de mieux distinguer les informations de couleur et de luminosité, les chercheurs utilisent le modèle de couleur HSI qui convient aux caractéristiques visuelles humaines pour traiter la reconnaissance des panneaux de signalisation. H signifie couleur différente, S représente la profondeur de la couleur et I représente le degré de luminosité et d'obscurité. La plus grande caractéristique de HSI est qu'il existe une corrélation minimale entre H, S et I. Chaque image couleur dans l'espace HSI correspond à une teinte relativement cohérente. H.

2. Reconnaissance des panneaux de signalisation

Après avoir segmenté la zone d'intérêt des informations sur les panneaux de signalisation dans l'environnement de conduite d'essai, un certain algorithme doit être utilisé pour l'identifier afin de déterminer quel panneau de signalisation spécifique. il appartient à., Les méthodes de discrimination générales incluent les méthodes de correspondance de modèles, les méthodes basées sur l'analyse de cluster, les méthodes basées sur l'analyse de forme, les méthodes d'analyse de réseau neuronal et les méthodes basées sur des machines vectorielles de support.

(1) Basé sur la méthode de correspondance de modèles

(2) Basé sur la méthode d'analyse de cluster

(3) Méthode basée sur le réseau neuronal

(4) Méthode de la machine à vecteurs de support

La machine à vecteurs de support est A La méthode typique de réseau neuronal feedforward est utilisée pour résoudre les problèmes de classification de modèles et non linéaires. Son idée principale est d'établir un hyperplan de décision optimal pour maximiser la distance entre les deux types d'échantillons les plus proches du plan des deux côtés du plan, offrant ainsi une meilleure généralisation. capacité de classification. Pour les problèmes de classification de modèles séparables non linéaires, le problème de classification de modèles responsable doit être projeté de manière non linéaire dans un espace de caractéristiques de grande dimension. Par conséquent, tant que la transformation est non linéaire et que la dimensionnalité de l'espace de caractéristiques est suffisamment élevée, l'espace de motifs d'origine peut. devenir un nouveau Un espace de fonctionnalités de grande dimension dans lequel les modèles deviennent linéairement séparables avec une forte probabilité. Le processus de transformation nécessite de générer une fonction noyau pour la convolution. La fonction noyau typique correspondante est exprimée comme suit :

.

Fonction gaussienne : image ; utilisée pour le classificateur de fonctions d'ensemble radial ;

Fonction de produit interne : image ; utilisée pour le classificateur d'ensembles polynomiaux d'ordre élevé

Fonction du noyau sigmoïde : image utilisée pour implémenter une machine de perception à couche cachée unique ; réseau.

Quelques scénarios d'application spécifiques du TSR

Parce que la complexité des conditions de circulation routière peut entraîner des taches, des modifications de couleur et de forme des panneaux de signalisation, et l'obstruction des arbres et des bâtiments peut empêcher leur reconnaissance à temps. dans le même temps, lors d'une conduite à grande vitesse, des facteurs tels que la gigue du véhicule peuvent provoquer des erreurs dans le processus de correspondance des images, rendant impossible la reconnaissance stable des panneaux de signalisation correspondants. Par conséquent, la reconnaissance des panneaux de signalisation n'a pas encore été largement utilisée dans le domaine de l'aide à la conduite. Les solutions d'application les plus matures sont les suivantes :

Limitation de vitesse automatique basée sur les panneaux de limitation de vitesse

Limitation de vitesse automatique basée principalement sur les panneaux de limitation de vitesse. La valeur de limite de vitesse affichée par le panneau de limitation de vitesse reconnu est utilisée par le véhicule pour prédire à l'avance. Ici, nous définissons plusieurs valeurs de vitesse différentes à des fins de comparaison.

VReal représente la vitesse de croisière réelle actuelle du véhicule, Vtarget représente la vitesse de croisière cible du véhicule, Vlim représente les informations sur la valeur limite de vitesse et Vfront représente la vitesse reconnue du véhicule qui précède.

Selon les informations sensibles sur la vitesse du véhicule, les stratégies de limitation de vitesse suivantes sont mises en œuvre à des degrés divers :

1) Croisière à vitesse fixe du véhicule

Lorsqu'il est détecté que le véhicule VReal>Vlim et Vtarget

Lorsque le véhicule VReal est détecté = Vlim, le système décélère automatiquement en fonction de la valeur limite de vitesse reconnue Vlim

2) Le véhicule suit le véhicule qui précède

 ;

Lorsqu'il détecte que le véhicule VReal>VFront>Vlim, le système garantit que le véhicule n'effectue pas de contrôle de décélération automatique en cas de collision avec le véhicule qui le précède

Lorsqu'il détecte que le véhicule VReal

3) Logique de contrôle après avoir passé le panneau de limitation de vitesse

Après que le véhicule ci-dessus limite automatiquement la vitesse, lorsque le véhicule dépasse le panneau de limitation de vitesse et reconnaît un nouveau panneau de limitation de vitesse, il doit contrôler à nouveau la vitesse, comme un nouveau. Si la valeur de limite de vitesse du panneau de limitation de vitesse est inférieure à la valeur actuelle, une limite de vitesse supplémentaire doit être effectué selon la logique de 1) 2). Si la valeur de limite de vitesse de la nouvelle plaque de limite de vitesse est supérieure à la valeur actuelle, la vitesse réelle du véhicule après la mise à jour actuelle doit être utilisée, la vitesse du véhicule. devant et la vitesse de croisière cible du propre véhicule sont utilisées pour redistribuer l'accélération afin de garantir que les limites de vitesse et les collisions sont priorisées et correctement contrôlées.

Fusion avancée basée sur une stratégie de fusion

Pour les véhicules circulant sur les autoroutes, les véhicules qui conduisent doivent considérer la question des changements de voie précoces dans différents scénarios. Il existe actuellement deux solutions possibles :

Premièrement, lorsqu'un changement de voie anticipé est effectué. les informations du panneau de fusion sont détectées devant à une certaine distance, le conducteur sera invité à l'avance par la voix ou l'image d'un instrument à contrôler le changement de voie du véhicule et à changer le véhicule sur la voie cible

Deuxièmement, lorsque si le système reçoit la voie ; informations de niveau liées aux cartes de haute précision avant une certaine distance, il peut contrôler directement le véhicule pour changer de voie vers la voie cible. Pendant cette période, il doit détecter si la ligne de voie cible est une ligne pointillée, si la voie cible l'est. peut être changé en toute sécurité, etc.

Freinage avancé basé sur la reconnaissance des feux de circulation

Le système d'aide à la conduite basé sur la reconnaissance des feux de circulation nécessite que le système contrôle à l'avance la croisière du véhicule et le changement de voie en fonction des feux de circulation reconnus.

Il existe principalement les stratégies de scène de contrôle suivantes :

1) Lorsque le feu vert est reconnu

Si la voiture suit le véhicule qui la précède et que le véhicule qui la précède roule à une vitesse inférieure, le véhicule assurez la sécurité en cas de collision, continuez à suivre la voiture qui vous précède et surveillez les changements des feux de la voiture en temps réel. Une fois que le feu passe au jaune, arrêtez immédiatement de suivre la stratégie et maintenez une certaine décélération jusqu'à l'arrêt

2) Si le feu jaune est reconnu

Lorsque la voiture reconnaît le feu jaune, que la voiture la suive ou non, elle doit contrôler la décélération et le freinage de la voiture. Pendant le processus de décélération, elle peut être décélérée pour plus de confort et. la traînée inverse du moteur est convertie en freinage

3) Reconnaître le feu rouge

Si le feu rouge a été reconnu, en fonction de l'état d'arrêt du véhicule qui précède, et dans le but d'assurer l'évitement des collisions, contrôler le véhicule pour qu'il décélère jusqu'à l'arrêt et maintenir le véhicule en état de freinage à plus de 1 m du véhicule qui le précède

(Parmi eux, l'application de la première fonction est plus facile à comprendre ; la. l'application de la deuxième fonction est plus significative pour le développement, et elle implique la logique de changement de voie automatique du niveau L2 au niveau L3 ; l'application de la troisième fonction semble plus intelligente - freinage anticipé, similaire à la logique du V2X)

L'état de développement des systèmes avancés d'aide à la conduite en Chine

En combinant le développement de la technologie elle-même avec l'environnement du trafic routier en Chine et les besoins spécifiques des consommateurs, nous pouvons résumer la tendance de développement de la technologie des systèmes d'assistance sur le marché chinois :

(1) Du point de vue du développement technologique, alors que les consommateurs accorderont de plus en plus d'attention à la sécurité automobile, les systèmes avancés d'aide à la conduite maintiendront une tendance de développement continue pendant longtemps. Dans le même temps, les systèmes avancés d'aide à la conduite évoluent du développement indépendant d'une technologie unique au développement de systèmes de sécurité active intégrés. Plusieurs technologies peuvent partager des plates-formes telles que des capteurs et des systèmes de contrôle une fois que le véhicule est équipé de l'ESP et de l'ACC de base. et d'autres technologies, cela peut être facilement Et l'ajout d'autres technologies d'aide à la conduite sûres à moindre coût favorisera davantage l'application de technologies avancées de systèmes d'aide à la conduite dans les automobiles.

(2) Certaines technologies avancées de systèmes d'aide à la conduite relativement bas de gamme et très pratiques, telles que les systèmes de surveillance de la pression des pneus, les systèmes électroniques de stabilité ESP, etc., ont été pleinement reconnues par le marché. Poussées par une forte demande, leur utilisation. Le taux de pénétration sur le marché bas de gamme augmentera régulièrement.

(3) Les consommateurs chinois ont montré une attention et une demande évidentes pour les technologies d'assistance à la couverture et d'amélioration de la vision, qui deviendront sûrement le principal point de croissance dans ce domaine au cours de la prochaine étape.

(4) Certaines technologies qui ont des exigences plus élevées sur les routes, comme l'assistance au changement de voie, l'avertissement de sortie de voie, l'ACC, etc., ainsi que les technologies qui ne correspondent pas aux habitudes de conduite des consommateurs chinois, comme les systèmes de maintien de voie. , la détection de la fatigue du conducteur et les systèmes de verrouillage sans alcool, etc., pourraient connaître un développement lent et sur une période plus longue.

Quelques difficultés du TSR

Aujourd'hui, la technologie actuelle ne peut pas déterminer tous les panneaux de signalisation ni fonctionner dans toutes les conditions. Il existe plusieurs conditions qui limitent les performances du système TSR, notamment les suivantes :

• Phares sales ou mal réglés
• Pare-brise sales, embués ou obstrués
• Emblèmes déformés, tordus ou pliés
• Pneu ou roue anormal condition
• Inclinaison du véhicule en raison d'objets lourds ou d'une suspension modifiée

Bien que le TSR et les technologies similaires de détection de véhicule soient utiles pour évoluer vers une conduite entièrement autonome, nous n'en sommes pas encore là. Même le TSR n'est qu'un système d'aide à la conduite. Les conducteurs ne peuvent pas compter entièrement sur un système ADAS pour conduire à leur place.

De manière générale, les fonctions de base du TSR sont relativement matures, mais il reste encore du chemin à parcourir pour les fonctions avancées et la simplification de la chaîne écologique.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!