Luận văn Ứng dụng xử lý ảnh nhận dạng đường đi cho ô tô chạy tự động (Phần 1)

Nội dung text: Luận văn Ứng dụng xử lý ảnh nhận dạng đường đi cho ô tô chạy tự động (Phần 1)

1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ HỒ VĂN THU ỨNG DỤNG XỬ LÝ ẢNH NHẬN DẠNG ĐƯỜNG ĐI CHO Ô TÔ CHẠY TỰ ĐỘNG NGÀNH: KỸ THUẬT CƠ KHÍ ĐỘNG LỰC – 60520116 S K C0 0 4 4 5 6 Tp. Hồ Chí Minh, tháng 11/2014
2. BỘ ̣ GIÁÓ DỤC̣ VÀ ̀ ĐÀÒ TẠỌ TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ ̃ THUẬṬ THÀǸ H PHỐ ́ HỒ ̀ CHÍ ́ MINH LUẬN VĂN THẠC SĨ HỒ VĂN THU ỨNG DUṆ G XỬ LÝ Ả NH NHÂṆ DAṆ G ĐƯỜNG ĐI CHO Ô TÔ CHAỴ TƯ ̣ ĐÔṆ G NGÀNH: KỸ THUẬT CƠ KHÍ ĐỘNG LỰC – 60520116 Tp.Hồ ̀ Chí ́ Minh, tháń g 11/2014
3. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ HỒ VĂN THU ỨNG DỤNG XỬ LÝ ẢNH NHẬN DẠNG ĐƢỜNG ĐI CHO Ô TÔ CHẠY TỰ ĐỘNG NGÀNH: KỸ THUẬT CƠ KHÍ ĐỘNG LỰC – 60520116 Hƣớng dẫn khoa học: TS. LÊ THANH PHÚC Tp. Hồ Chí Minh, tháng 11/2014
4. LÝ LỊCH KHOA HỌC I. LÝ LÍCH SƠ LƢỢC: Họ & tên: HỒ VĂN THU Giới tính: Nam. Ngày, tháng, năm sinh: 10/01/1985 Nơi sinh: Thừa Thiên Huế. Quê quán: Thừa Thiên Huế Dân tộc: Kinh. Địa chỉ liên lạc: 88/33/44 Tổ 21B, Khu phố 6, Phƣờng Tân Chánh Hiệp, Quận 12, Thành phố Hồ Chí Minh. Điện thoại cơ quan: Điện thoại nhà riêng: Điện thoại di động: 090 9298 269 E-mail: hothuoto@gmail.com II. QUÁ TRÌNH ĐÀO TẠO Đại học: Hệ đào tạo: Chính qui Thời gian từ 09/2005 đến 05/2010 Nơi học: Trƣờng Đại học sƣ phạm kỹ thuật Thành phố Hồ Chí Minh. Ngành học: Cơ khí động lực. Tên đồ án tốt nghiệp: “Biên soạn tài liệu sửa chữa động cơ phun xăng điện tử trên các loại xe gắn máy của hãng Honda”. Ngày & nơi bảo vệ đồ án tốt nghiệp: 31/01/2010. Đại học sƣ phạm kỹ thuật Thành phố Hồ Chí Minh. Ngƣời hƣớng dẫn: PGS.TS.Đỗ Văn Dũng. III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm 05/2010 – 10/2014 Trƣờng Cao Đẳng Kỹ Thuật Cao Giảng viên khoa Cơ Khí Thắng Động Lực ii
5. LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác. Tp.Hồ Chí Minh, ngày 02 tháng 11 năm 2014 (Ký tên và ghi rõ họ tên) Hồ Văn Thu ii
6. LỜI CẢM TẠ Một đề tài nghiên cứu không thể thành công nếu không có sự trợ giúp kết hợp với nỗ lực cố gắng của ngƣời nghiên cứu. Do đó, tôi xin chân thành cám ơn sự hổ trợ của: Ban giám hiệu Trƣờng Đại Học Sƣ Phạm Kỹ Thuật Tp Hồ Chí Minh. Khoa Cơ Khí Động Lực. Thầy TS Lê Thanh Phúc cùng toàn thể quý thầy cô đã dạy và hƣớng dẫn nhiệt tình và tạo mọi điều kiện thuận lợi cho tôi trong thời gian theo học tại trƣờng. Các bạn kỹ sƣ đồng nghiệp đã động viên ủng hộ tinh thần. Tuy thời gian thực hiện đề tài là 6 tháng, nhƣng do lƣợng kiến thức chủ chốt để phục vụ cho công tác nghiên cứu và thực hiện đề tài thuộc chuyên ngành điện tử và điều khiển tự động, công nghệ thông tin nên khả năng tiếp cận và lĩnh hội của học viên chuyên ngành cơ khí động lực gặp nhiều khó khăn và hạn chế. Tuy nhiên, với sự hƣớng dẫn và tạo điều kiện thuận lợi của Thầy TS Lê Thanh Phúc và các bạn đồng nghiệp, tôi đã lĩnh hội đƣợc rất nhiều kiến thức mới, bổ ích để phục vụ cho ngành cơ khí động lực và công tác nghiên cứu sau khi ra trƣờng. Vì vậy, một lần nữa tôi xin chân thành cám ơn quý thầy cô và các bạn. Xin chúc quý thầy cô cùng toàn thể các bạn luôn dồi dào sức khoẻ và thành công ! Tp Hồ Chí Minh, ngày 02 tháng 11 năm 2014. Ngƣời cảm tạ Hồ Văn Thu iii
7. TÓM TẮT Xử lý ảnh có rất nhiều ứng dụng trong hệ thống giao thông thông minh. Nhận dạng đƣờng đi cho ô tô chạy tự động là một đề tài trong số đó. Nghiên cứu này sử dụng phần mềm Matlab và các Toolbox của nó là: Image Processing Toolbox, Image Acquistion System Toolbox, Computer Vision System Toolbox làm công cụ chính để thu thập và xử lý. Với mô hình đƣờng là đƣờng nhựa với các giả định sau: - Vân của đƣờng là đồng nhất. - Dấu phân cách làn đƣờng tuân theo qui luật. - Khoảng cách giữa các dấu phân cách là không đổi. Đề tài sử dụng Webcam làm bộ phận thu thập hình ảnh chính. Từ hình ảnh thu đƣợc sử dụng các bộ lọc FIR 2D để lọc ảnh xám hoá. Và biến đổi ảnh thành ảnh nhị phân, từ đó sử dụng phƣơng pháp Cany và biến đổi Hough sẵn có trong Matlab để xác định các dấu phân cách đƣờng, làn đƣờng. Tính toán khoảng cách dựa trên các dấu phân cách thu đƣợc để đƣa ra tín hiệu về đƣờng đi cho phần điều khiển xe tự động thông qua chuẩn giao tiếp RS232. Đề tài đã xây dựng đƣợc một chƣơng trình nhận dạng đƣờng đi và đã thực thi có hiệu quả trên các đoạn đƣờng thử nghiệm. iv
8. ABSTRACT Image processing has many applications in intelligent transportation system. Lane detection and tracking for autonomous vehicle is the one of that. This study uses Matlab software and it‟s Toolbox: Image Processing Toolbox, Image Acquistion System Toolbox and Computer Vision System Toolbox as the main tool to collect and process. The road model is assumped that: - Texture of road are identical. - Lane makers follow lane rules. - The distance between the lane makers is constant. This project uses Webcam to collect the images. From the images obtained by using the 2D FIR filter, grayscale image is achieved. The image are converted into a binary image, then use Cany method and Hough transform available in Matlab to determine the lane makers and lane deparment. Calculate the distance based on separator obtained to provide signal for autonomous vehicle via the standard RS232 interface. An experimental result on local streets shows that the suggested program is very reliable. v
9. MỤC LỤC Trang tựa Trang QUYẾT ĐỊNH GIAO ĐỀ TÀI XÁC NHẬN CỦA CÁN BỘ HƢỚNG DẪN i LÝ LỊCH KHOA HỌC ii LỜI CAM ĐOAN ii LỜI CẢM TẠ iii TÓM TẮT iv MỤC LỤC vi DANH SÁCH CÁC CHỮ VIẾT TẮT x DANH SÁCH CÁC HÌNH xi Chƣơng 1 TỔ NG QUAN 1 1.1. Tổng quan chung về liñ h vƣc̣ nghiên cƣ́ u 1 1.1.1. Giới thiệu 1 1.1.2. Ứng dụng phát hiện làn đƣờng trên các hãng xe 5 1.2. Các kết quả nghiên cứu trong và ngoài nƣớc đã công bố 6 1.2.1. Các kế quả nghiên cứu trong nƣớc 6 1.2.2. Các kết quả nghiên cứu ngoài nƣớc 7 1.3. Mục đích của đề tài 7 1.4. Nhiệm vụ của đề tài và giới hạn đề tài 8 1.4.1. Nhiệm vụ 8 1.4.2. Giới hạn đề tài 8 1.5. Phƣơng pháp nghiên cứu 8 Chƣơng 2 CƠ SỞ LÝ THUYẾT 10 vi
10. 2.1. Lý thuyết tổng quan về xử lý ảnh 10 2.1.1. Xử lý ảnh số là gì ? 10 2.1.2. Biểu diễn một ảnh số 11 2.1.3. Các vấn đề cơ bản trong xử lý ảnh 19 2.1.4. Biên và các phƣơng pháp phát hiện biên 26 2.1.5. Các mô hình màu 26 2.2. Biến đổi Hough (Hough Transform) 30 2.2.1. Biến đổi Hough cho đƣờng thẳng 30 2.2.2. Biến đổi Hough cho đƣờng thẳng trong tọa độ cực 32 Chƣơng 3 PHẦN MỀM ỨNG DỤNG 33 3.1. Matlab 33 3.1.1. Giới thiệu Matlab 33 3.1.2. Các thành phần cơ bản của Matlab 34 3.1.3. Malab GUI 42 3.1.4. Phân đoạn và tách đƣờng viền trong Malab 44 3.1.5. Biến đổi Hough trong MATLAB 45 3.2. Image Acquisition Toolbox 50 3.2.1. Chức năng 50 3.2.2. Các bƣớc thu thập hình ảnh cơ bản 51 3.3. Computer Vision System Toolbox 54 3.3.1. Chức năng 54 3.3.2. Các hàm xử lí video 54 3.4. Image Processing Toolbox 61 3.4.1. Đọc ảnh 61 vii
11. 3.4.2. Hiển thị ảnh 61 3.4.3. Ghi ảnh 62 3.4.4. Chuyển đổi giữa các lớp ảnh và các loại ảnh 63 Chƣơng 4 CHƢƠNG TRÌNH ĐIỀU KHIỂN 64 4.1. Mô hình tổng quát 64 4.2. Chọn và thiết lập camera 65 4.3. Mô hình đƣờng và phạm vi quan sát 66 4.4. Tiến trình xử lí ảnh 66 4.4.1. Xác định dấu phân cách làn đƣờng 66 4.4.2. Xác định dấu phân cách trái – phải và chèn đánh dấu làn đƣờng 69 4.4.3. Xuất tín hiệu 69 4.5. Lập trình giao diện 71 4.5.1. Các nút điểu khiển 71 Chƣơng 5 THỰC NGHIỆM VÀ ĐÁNH GIÁ 73 5.1. Dữ liệu thực nghiệm 73 5.1.1. Địa điểm thực nghiệm 73 5.1.2. Về tốc độ xử lí 73 5.2. Các hình ảnh chạy thử nghiệm chƣơng trình 74 5.3. Phƣơng pháp đánh giá và tiêu chí đánh giá 75 5.4. Tiêu chí về tốc độ 75 5.5. Đánh giá về độ chính xác 76 5.6. Đánh giá về sự sai lệch 76 Chƣơng 6 KẾT LUẬN 78 6.1. Kết quả đạt đƣợc của đề tài 78 viii
12. 6.2. Những vấn đề còn tồn tại 78 6.3. Hƣớng phát triển đề tài 79 TÀI LIỆU THAM KHẢO 80 Các trang Web. 82 PHỤ LỤC 83 A. Chƣơng trình chính. 83 B. Xác định dấu chỉ làn đƣờng. 90 C. Xác định dấu phân cách trái / phải. 91 D. Nút Start Webcam. 93 E. Nút Detection & Tracking. 94 F. Nút Stop. 101 G. Nút Exit. 102 H. Nút Connect. 102 I. Nút Send. 105 ix
13. DANH SÁCH CÁC CHỮ VIẾT TẮT MATLAB Maxtrix Laboratory CMU Carnegie Mellon University MIT Massachusetts Institute of Technology DARPA Defense Advanced Research Projects Agency HDTV High-definition television ROI Regions of Interest RGB Red, Green, Blue HSL Hue, Saturation, Luminance 2D Two Demension TIFF Targed Image File Format JPEG Joint Photographics Experts Group GIF Graphics Interchange Format BMP Window Bitmap PNG Portable Network Graphics XWD X Window Dump PCX Personal Computer Exchange CMY Cyan, Magnenta, Yellow x
14. DANH SÁCH CÁC HÌNH Hình 1.1: Minh họa các mục tiêu khác nhau trong bài toán phát hiện làn đƣờng 2 Hình 1.2: Những ví dụ về các tình huống trong bài toán phát hiện làn đƣờng 3 Hình 1.3: Mô hình tổng quát giải quyết bài toán phát hiện làn đƣờng. 5 Hình 1.4: Hê ̣thống hỗ trơ ̣ làn đƣờng. 5 Hình 2.1: Ảnh tƣơng tự và ảnh số hóa 11 Hình 2.2: Điểm qui chiếu không gian của điểm ảnh (0,0). 12 Hình 2.3: Ảnh nhị phân 13 Hình 2.4: Ảnh xám hóa 14 Hình 2.5: Ảnh màu RGB trong Matlab. 15 Hình 2.6: Điểm ảnh ở trong một miền lân cận. 16 Hình 2.7: Lấy mẫu hình chữ nhật liên thông. 16 Hình 2.8: Các bƣớc cơ bản trong một hệ thống xử lý ảnh 19 Hình 2.9: Biểu diễn ảnh bằng ma trận điểm 20 Hình 2.10: Sơ đồ chung của hệ thống nhận dạng. 23 Hình 2.11: Ảnh thu nhâṇ và ảnh mong muốn 24 Hình 2.12: Các mô hình màu 27 Hình 2.13: Hê ̣toạ đô ̣màu RGB 28 Hình 2.14: Mô hình màu HSV 29 Hình 2.15: Bảng chỉ số giá trị 0 31 Hình 2.16: Đƣờng thẳng Hough trong hệ tọa độ Đề-các 32 Hình 3.1: Giao diện khi khởi động 33 Hình 3.2: Cửa sổ làm việc 35 Hình 3.3: Của sổ GUIDE Quick Start. 42 Hình 3.4: Cửa sổ tƣơng tác. 43 Hình 3.5: Ảnh tách biên. 45 Hình 3.6: Ảnh góc mạch điện. 46 Hình 3.7: Dùng biến đổi Hough. 47 xi
15. Hình 3.8: Kết quả dùng houghpeaks 48 Hình 3.9: Kết quả sử dụng hàm houghlines. 50 Hình 3.10: Mở file video dùng vision.VideoPlayer. 55 Hình 3.11: Ảnh cƣờng độ 57 Hình 4.1: Mô hình tổng quát. 64 Hình 4.2: Mô hình cụ thể. 65 Hình 4.3: Vùng quan tâm. 67 Hình 4.4: Ảnh đƣợc trích xuất 67 Hình 4.5: Hình giới hạn quan sát. 68 Hình 4.6: Ảnh cƣờng độ. 68 Hình 4.7: Ảnh nhị phân 68 Hình 4.8: Chƣơng trình mô phỏng Proteus. 70 Hình 4.9: Chƣơng trình tạo Virtual Serial Port Driver. 70 Hình 4.10: Giao diện ngƣời dùng. 71 Hình 4.11: Giao diện. 72 Hình 5.1: Vị trí khi đi đúng làn đƣờng 74 Hình 5.2: Lệch trái. 74 Hình 5.3: Lệch phải 75 Hình 5.4: Sai lệch do dấu chỉ đƣờng 77 xii
16. Chƣơng 1 TỔ NG QUAN 1.1. Tổng quan chung về liñ h vƣc̣ nghiên cƣ́ u 1.1.1. Giới thiệu Nhận dạng đƣờng đi là một trong những vấn đề rất quan trọng trong nhiều ứng dụng về các hệ thống hỗ trợ giao thông tự động, đặc biệt trong các hệ thống đều khiển xe tự động. Cùng với sự phát triển vƣợt bậc vềt độ xử lý của máy tính, giá thành của các thiết bị hỗ trợ ngày càng giảm thì các nghiên cứu về hệ thống điều khiển xe tự động ngày càng đƣợc phát triển cùng với sự phát triển của hệ thống giao thông thông minh. Đã có nhiều nghiên cứu tập trung vào bài toán phát hiện làn đƣờng và một số kết quả bƣớc đầu đạt đƣợc đã cho thấy những tín hiệu khả quan. Trong bài toán phát hiện làn đƣờng có 3 loại mục tiêu chính là: (i) cảnh báo khi chuyển làn đƣờng, (ii) hỗ trợ ngƣời trong quá trình lái xe, và (iii) điều khiển xe tự động. i) Hệ thống thông báo khi chuyển làn đường1: Trong mục tiêu này, yêu cầu đặt ra là hệ thống phải thông báo đƣợc khi xe thay đổi làn đƣờng. Vấn đề quan trọng nhất cần giải quyết ở đây là làm sao dự đoán đƣợc chính xác quỹ đạo của xe tƣơng ứng với đƣờng biên của làn đƣờng. ii) Hệ thống hỗ trợ người điều khiển xe2: Trong mục tiêu này, vấn đề quan trọng là giúp ngƣời điều khiển xe chú ý đƣợc làn đƣờng dễ dàng hơn. Hay nói cách khác, ngƣời điều khiển sẽ đƣợc hệ thống gợi ý các làn đƣờng. Hầu hết các nghiên cứu đều tập trung ở mục tiêu này. iii) Hệ thống hỗ trợ điều khiển xe tự động3: Với mục tiêu hỗ trợ điều khiển xe tự động, yêu cầu đặt ra là hệ thống cần đƣa ra đƣợc làn đƣờng sắp tới mà xe sẽ di 1 Lane-Departure-Warning Systems 2 Driver-Attention Monitoring Systems 3Automated Vehicle-Control Systems 1
17. chuyển. Vấn đề quan trọng đối với mục tiêu này là hạn chế đƣợc sai số tính toán trong việc ƣớc lƣợng vị trí của xe và làn đƣờng. Hình 1.1: Minh họa các mục tiêu khác nhau trong bài toán phát hiện làn đường a) Mục tiêu khi thay đổi làn đường. b) Mục tiêu hỗ trợ người điều khiển xe. c) Mục tiêu điều khiển xe tự động. [1] Trong các muc̣ tiêu trên , mục tiêu phục vụ cho hệ thống điều khiển xe tự động đƣợc đánh giá là khó nhất. Hiện tại hƣớng nghiên cứu này đang thu hút đƣợc nhiều sự quan tâm của các nhóm nghiên cứu, trong đó có cả những nhóm lớn nhƣ nhóm của CMU4, hay nhóm của MIT5 với những cuộc thi lớn nhƣ DARPA. Nghiên cứu của đề tài nằm chủ yếu ở mục tiêu này. Tuy vậy vẫn còn nhiều khó khăn tồn tại trong việc giải quyết bài toán với mục tiêu này nói riêng cũng nhƣ toàn bộ bài toán phát hiện làn đƣờng nói chung. Các khó khăn có thể chỉ ra nhƣ sau: - Phần lớn yêu cầu đòi hỏi ứng dụng phải xử lý ở thời gian thực. Trong rất nhiều nghiên cứu, nhƣ ở [2] các kết quả đạt đƣợc khá tốt, tuy nhiên nghiên cứu này vẫn chƣa thực thi đƣợc trong thời gian thực. 4 Carnegie Mellon University 5 Massachusetts Institute of Technology 2
18. - Sự khó khăn do các dấu phân cách làn đƣờng (lane-marking) không rõ nét hoặc bị che lấp Các ví dụ này đƣợc thể hiện trong Hình 1.2 đƣợc lấy từ kết quả khảo sát của McCall và cộng sự trong [1]. Hình 1.2: Những ví dụ về các tình huống trong bài toán phát hiện làn đường a) Làn đường thông thường. b) Làn đường bị che bởi bóng nắng. c) Làn đường không rõ nét. d) Làn đường kết hợp nhiều loại. e) Làn đường bị che bởi bóng cây. f) Làn đường hoàn toàn bị mất dấu. [1] 3
19. - Sự phức tạp của địa hình. Trong phần lớn các nghiên cứu nhƣ [3], [4], [5], [6], [7], và [8] đều giả định mặt đƣờng cần xử lý là phẳng. Cho đến thời điểm thực hiện đề tài, có rất ít nghiên cứu nhƣ ở [9] là tiếp cận theo hƣớng toàn bộ đƣờng theo dạng 3 chiều. - Độ cong của làn đường: Độ cong của làn đƣờng là một phần rất quan trọng cho việc giải quyết bài toán. Một số nghiên cứu giả định làn đƣờng chỉ là những đoạn thẳng nhƣ ở [8], hay là những đƣờng cong B-spline nhƣ ở [2]. Một số khác, chỉ xét làn đƣờng nhƣ những đƣờng cong có độ cong rất nhỏ nhƣ [9] và [10]. Để đạt đƣợc giả định này, các nghiên cứu đã tiến hành chuyển ảnh sang chiều nhìn từ trên xuống (top-down view hay còn đƣợc gọi là bird‟s eye view) nhƣ ở [10], [5], [7], và [8]. - Các tình huống phức tạp: khi gặp giao lộ, hoặc khi làn đƣờng thay đổi độ lớn, hay làn đƣờng phân đôi hoặp ghép lại cho tới thời điểm thƣc̣ hiêṇ đề tài, vâñ chƣa th ấy có nghiên cứu nào tiếp cận đến việc giải quyết các tình huống này. Vì những lý do khó khăn kể trên cũng nhƣ tầm quan trọng của bài toán, vấn đề đặt ra cho đề tài là tìm ra phƣơng pháp hiệu quả để có thể một mặt thực thi đƣợc trong thời gian thực, mặt khác giải quyết đƣợc phần lớn các khó khăn kể trên, đặc biệt hỗ trợ đƣợc cho mục tiêu ứng dụng vào hệ thống điều khiển xe tự động. Mô hiǹ h tổng quá t giải quyết vấ n đề. 4
20. Hình 1.3: Mô hình tổng quát giải quyết bài toán phát hiện làn đường [9] 1.1.2. Ứng dụng phát hiện làn đƣờng trên các hãng xe Hình 1.4: Hê ̣thố ng hỗ trơ ̣ làn đường [28] Hê ̣thống hổ trơ ̣ làn đƣờng có thể hổ trơ ̣ và cảnh báo khi ngƣời lái xe vô ý rời khỏi làn đƣờng hoặc chuyển làn đƣờng mà không có tín hiệu . Trên các tuyến đƣờng dài, ngƣời lái có thể vô tình để chiếc xe trôi ra lề đƣờng hoăc̣ qua làn đƣờng khác . Điều này dê ̃ gây nên tai naṇ bởi khi ngƣời lái phát hiêṇ ra , họ thƣờng hoảng hốt. 5
21. Môṭ số nhà sản xuất đa ̃ phát triển công nghê ̣cảnh báo ngƣờ i lái xe khi xe di chuyển gần tới vac̣ h kẻ đƣờng bằng âm thanh hoăc̣ rung tay lái , hoăc̣ hổ trơ ̣ điều khiển tay lái để giƣ̃ cho xe đi đúng làn đƣờng . Các nhà sản xuất rất quan tâm tới ngƣời lái trong cảnh báo, nên môṭ vài hañ g xe chỉ cảnh báo ở tốc đô ̣cao. Hê ̣thống đƣơc̣ thƣc̣ hiêṇ bởi các camera gắn trƣớc gƣơng chiếu hâụ để theo dỏi làn dƣờng đƣợc đánh dấu bởi các vạch chỉ đƣờng . Hiêụ quả của hê ̣thống này se ̃ giảm nếu thời tiết xấu, ví dụ nhƣ trời mƣa hoăc̣ có tuyết. Môṭ số hañ g xe sƣ̉ duṇ g Lane Support Systems điển hình: - Skoda: Skoda Lane Assistant (2013) trên xe Skoda Octavia 2013. - Audi: Audi Active Lane Assist (2012) trên xe Audi A3. - Ford: Ford Lane Keeping Aid (2011) trên xe Ford Focus 2012, Ford Lane Keeping Alert (2012) trên xe Ford Transit Custom 2012. - Seat: Seat Lane Assist (2012) trên xe Seat Leon 2012. - Infiniti: Infiniti Lane Departure Prevention (LDP) (2011) trên xe Infiniti FX 2009. - Opel: Opel Eye (2010) trên xe Opel/Vauxhall Astra GTC 2011, insignia, Zafiratourer. - Volkswagen: Volkwagen Lane Assist (2010) trên xe Golf, Passat 2005. Và gần đây nhất là hai hãng xe nỗi tiếng là Mercedes-Benz và Nissan đã thử nghiệm xe tự lái trên S500 Intelligent Drive và Nissan Leaf. Dự kiến sẽ tung ra thị trƣờng trong thời gian sớm nhất. [30] 1.2. Các kết quả nghiên cứu trong và ngoài nƣớc đã công bố 1.2.1. Các kế quả nghiên cứu trong nƣớc Ở nƣớc ta, nền công nghiệp ô tô phát triển chƣa mạnh so với sự phát triển ngành này nhƣ ở nƣớc trong khu vực và trên thế giới. Điều kiện đƣờng sá cũng nhƣ các hệ thống giao thông thông minh phát triển chƣa đúng mức, và đúng chuẩn. Do đó, cho tới thời điểm này chƣa có một công trình nghiên cứu nào về nhận dạng làn đƣờng cho ô tô chạy tự động ở Việt Nam đƣợc công bố. 6
22. S K L 0 0 2 1 5 4