Розробка методу обробки зображення для систем моніторингу стану транспортної інфраструктури
DOI:
https://doi.org/10.15587/1729-4061.2021.239084Ключові слова:
комп’ютерний зір, виявлення контурів, фільтрація, оператор Собеля, перетворення Хафа, оператор ЛапласаАнотація
Виявлення і класифікація контурів на зображеннях важлива у багатьох сферах застосування комп'ютерного зору. Прикладом можуть бути оперативні завдання, які вирішуються за допомогою безпілотних літальних апаратів, наприклад, динамічний моніторинг стану транспортної інфраструктури, зокрема дорожньої розмітки.
В результаті досліджень було виявлено, що наявні методи контурного аналізу зображень не дають чітких та надійних результатів при вирішенні завдання контролю стану дорожньої розмітки. Тому актуальною є науково-прикладна задача вдосконалення методів і моделей фільтрації, обробки бінарних зображень та якісного і змістовного виокремлення границь об'єктів інтересу.
Для вирішення завдання виділення контурів дорожньої розмітки на зображеннях, отриманих від безпілотного літального апарату розроблено метод, який містить оперативний інструмент попередньої обробки зображень – комбінований фільтр. Розроблений метод має ряд переваг та усуває недоліки відомих методів при визначенні меж розташування об'єкта інтересу, шляхом виокремлення контурів кластеру точок із застосуванням гістограм.
Розроблений метод та процедури дають змогу успішно вирішувати проблеми, значною мірою подібні до тих, з якими може стикатися людина-експерт при вирішенні інтелектуальних завдань обробки та фільтрації інформації.
Запропонований метод пройшов апробацію на підприємстві, що виробляє український безпілотний літальний апарат «Spectator» під час випробувань інформаційної технології динамічного моніторингу стану транспортної інфраструктури.
Результати можуть бути імплементовані в перспективні системи інтелектуального керування у галузі моделювання свідомої поведінки людини по виділенню даних, необхідних для сприйняття особливостей зовнішнього середовища
Посилання
- Kozub, A. N., Suvorova, N. A., Chernjavskiy, V. N. (2011). Analysis of the means of gathering information for geographic information systems. Systemy ozbroiennia i viyskova tekhnika, 3 (27), 42–47. Available at: http://www.hups.mil.gov.ua/periodic-app/article/1876/soivt_2011_3_12.pdf
- Berezina, S. I., Blinichkin, K. V. (2014). Automation of data rejection process obtained from unmanned aerial vehicles (UAVs). Nauka i tekhnika Povitrianykh Syl Zbroinykh Syl Ukrainy, 1 (14), 82–89. Available at: http://irbis-nbuv.gov.ua/cgi-bin/irbis_nbuv/cgiirbis_64.exe?C21COM=2&I21DBN=UJRN&P21DBN=UJRN&IMAGE_FILE_DOWNLOAD=1&Image_file_name=PDF/Nitps_2014_1_20.pdf
- Weiss, M., Baret, F. (2017). Using 3D Point Clouds Derived from UAV RGB Imagery to Describe Vineyard 3D Macro-Structure. Remote Sensing, 9 (2), 111. doi: https://doi.org/10.3390/rs9020111
- Li, C., Miller, J., Wang, J., Koley, S. S., Katz, J. (2017). Size Distribution and Dispersion of Droplets Generated by Impingement of Breaking Waves on Oil Slicks. Journal of Geophysical Research: Oceans, 122 (10), 7938–7957. doi: https://doi.org/10.1002/2017jc013193
- Gritsenko, V., Volkov, O., Bogachuk, Y., Gospodarchuk, O., Komar, M., Shepetukha, Y., Volosheniuk, D. (2020). Intellectual Control, Localization and Mapping in Geographic Information Systems Based on Analysis of Visual Data. Cybernetics and Computer Engineering, 2020 (2 (200)), 41–58. doi: https://doi.org/10.15407/kvt200.02.041
- Volkov, O., Bogachuk, Yu., Komar, M., Voloshenyuk, D. (2020). Two-level technology of intelligent application of on-board video camera of unmanned aerial vehicle for monitoring of geospatial data. Science-Based Technologies, 47 (3), 329–341. doi: https://doi.org/10.18372/2310-5461.47.14873
- Barrile, V., Meduri, G. M., Critelli, M., Bilotta, G. (2017). MMS and GIS for Self-driving Car and Road Management. Lecture Notes in Computer Science, 68–80. doi: https://doi.org/10.1007/978-3-319-62401-3_6
- Liu, W., Zhang, Z., Li, S., Tao, D. (2017). Road Detection by Using a Generalized Hough Transform. Remote Sensing, 9 (6), 590. doi: https://doi.org/10.3390/rs9060590
- Mukhopadhyay, P., Chaudhuri, B. B. (2015). A survey of Hough Transform. Pattern Recognition, 48 (3), 993–1010. doi: https://doi.org/10.1016/j.patcog.2014.08.027
- Marzougui, M., Alasiry, A., Kortli, Y., Baili, J. (2020). A Lane Tracking Method Based on Progressive Probabilistic Hough Transform. IEEE Access, 8, 84893–84905. doi: https://doi.org/10.1109/access.2020.2991930
- Mammeri, A., Boukerche, A., Tang, Z. (2016). A real-time lane marking localization, tracking and communication system. Computer Communications, 73, 132–143. doi: https://doi.org/10.1016/j.comcom.2015.08.010
- Yan, X., Li, Y. (2017). A method of lane edge detection based on Canny algorithm. 2017 Chinese Automation Congress (CAC). doi: https://doi.org/10.1109/cac.2017.8243122
- Lee, C., Moon, J.-H. (2018). Robust Lane Detection and Tracking for Real-Time Applications. IEEE Transactions on Intelligent Transportation Systems, 19 (12), 4043–4048. doi: https://doi.org/10.1109/tits.2018.2791572
- Bouganssa, I., Sbihi, M., Zaim, M. (2019). Laplacian Edge Detection Algorithm for Road Signal Images and FPGA Implementation. International Journal of Machine Learning and Computing, 9 (1), 57–61. doi: https://doi.org/10.18178/ijmlc.2019.9.1.765
- AbdelAty, A. M., Elwakil, A. S., Radwan, A. G., Psychalinos, C., Maundy, B. J. (2018). Approximation of the Fractional-Order Laplacian sα As a Weighted Sum of First-Order High-Pass Filters. IEEE Transactions on Circuits and Systems II: Express Briefs, 65 (8), 1114–1118. doi: https://doi.org/10.1109/tcsii.2018.2808949
- Chaple, G. N., Daruwala, R. D., Gofane, M. S. (2015). Comparisions of Robert, Prewitt, Sobel operator based edge detection methods for real time uses on FPGA. 2015 International Conference on Technologies for Sustainable Development (ICTSD). doi: https://doi.org/10.1109/ictsd.2015.7095920
- Ozgunalp, U. (2017). Combination of the symmetrical local threshold and the sobel edge detector for lane feature extraction. 2017 9th International Conference on Computational Intelligence and Communication Networks (CICN). doi: https://doi.org/10.1109/cicn.2017.8319349
- Dinakaran, K., Stephen Sagayaraj, A., Kabilesh, S. K., Mani, T., Anandkumar, A., Chandrasekaran, G. (2021). Advanced lane detection technique for structural highway based on computer vision algorithm. Materials Today: Proceedings, 45, 2073–2081. doi: https://doi.org/10.1016/j.matpr.2020.09.605
- Feng, Y., Rong-ben, W., Rong-hui, Z. (2008). Research on Road Recognition Algorithm Based on Structure Environment for ITS. 2008 ISECS International Colloquium on Computing, Communication, Control, and Management. doi: https://doi.org/10.1109/cccm.2008.362
- Syniavskyi, V. (2019). Analysis of image segmentation methods. Materialy VII naukovo-tekhnichnoi konferentsiyi «Informatsiyni modeli, systemy ta tekhnolohiyi». Ternopil, 171. Available at: http://elartu.tntu.edu.ua/bitstream/lib/30369/2/IMST_2019_Syniavskyi_V-Analysis_of_image_segmentation_171.pdf
- Danyk, Y., Protcenko, М. (2013). Choice of color model for the digital processing of images in unmanned aircraft system. Visnyk ZhDTU, 2 (65), 43–49. Available at: http://eztuir.ztu.edu.ua/bitstream/handle/123456789/2602/8.pdf?sequence=1&isAllowed=y
- Roushdy, M. (2006). Comparative study of edge detection algorithms applying on the grayscale noisy image using morphological filter. GVIP Journal, 6 (4), 17–23. Available at: https://www.researchgate.net/publication/229014057_Comparative_study_of_edge_detection_algorithms_applying_on_the_grayscale_noisy_image_using_morphological_filter
- Muthalagu, R., Bolimera, A., Kalaichelvi, V. (2020). Lane detection technique based on perspective transformation and histogram analysis for self-driving cars. Computers & Electrical Engineering, 85, 106653. doi: https://doi.org/10.1016/j.compeleceng.2020.106653
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2021 Oleksandr Volkov, Mykola Komar, Dmytro Volosheniuk
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.