Sebességmérő rendszer fejlesztése térbeli transzformációs háló és monokuláris mélységbecslő algoritmus felhasználásával
A forgalom figyelése és irányítása a modern várostervezés és a rendvédelem kritikus eleme, a sebességmérő kamerák pedig kulcsfontosságú szerepet játszanak a közúti biztonság fenntartásában. A terület jelenlegi állapotát tekintve azonban számos kihívással néz szembe, beleértve a rendszámok nagy pontossággal való leolvasását és a jármű sebességének precíz mérését.
A rendszám felismerő rendszerek tipikusan konvolúciós neurális hálókat (CNN) alkalmaznak a képjellemzők kinyerésére, karakterek szegmentálására és azok leolvasására. A rendszámok pontos felismerését azonban megnehezíti azok számos változata, melyek különböző formákkal és kialakítással bírnak. További jelentős hátráltató tényező a változó szemszögből való észlelésük, ami jelentősen torzíthatja megjelenésüket és így a tartalmuk felismerését nehezíti, hiszen a konvolúciós hálók nem invariánsok térbeli változásokra. A szakirodalomban továbbá hosszú-rövidtávú memória (LSTM) háló alapú megoldásokkal is találkozhatunk, melyekkel egy karakter szegmentáció nélküli leolvasás valósítható meg, ugyanakkor ezek komplexebb felépítéssel és taníthatósággal bírnak.
Sebességmérést klasszikusan dedikált hardver szenzorokkal végzik. Ilyen szenzorok például az útba épített induktív hurokérzékelők, különböző lézerek és Doppler radarok, melyekkel nagy pontosságú eredmények érhetőek el, viszont beszerzésük és karbantartásuk jelentős költséggel jár. A járművek sebességének egyetlen kamerával történő mérését a szakirodalomban eddig többféle módszerrel is megközelítették, ilyen például az út geometriai információit, a mozgó objektumok képpontjai számának különbségét és a mozgásvektor homográfiai leképezését a képsíkról a globális koordinátasíkra felhasználó megoldások. Ezek a módszerek azonban körülményesek és nem mindig adnak pontos eredményeket.
Munkámban egyrészről egy olyan, teljesen konvolúciós mély neurális háló alapú megoldást fejlesztek ki, amely szegmentáció mentesen teszi lehetővé a rendszámok felismerését. Ezt a hálót egy úgynevezett térbeli transzformátor hálóval kombinálom, mellyel a konvolúciós hálóknak a térbeli gyengeségeit célzom kiküszöbölni. A hálót először mesterségesen generált rendszámok segítségével tanítom be, majd valós képeken finomhangolom és tesztelem.
Másrészről a sebességmérő kamera egységet monokuláris, azaz egykamerás, abszolút mélység becslő algoritmusokon alapuló sebességmérő rendszerrel próbálom megvalósítani, amikhez state-of-the-art mélységbecslő módszereket használok fel. A kapott mélység értékeket 3D rekonstrukció segítségével a járművek sebességének kiszámítására használom fel. A fejlesztett rendszert és a használt mélységbecslő algoritmusokat hardveres sebességméréssel validált adathalmazon értékelem ki.
A fejlesztett megoldásokat egy működő sebességfigyelő kamera rendszerként egyesítem, amit az olvasóközönség számára elérhetővé teszek.
szerző
-
Kürti Ádám
Autonóm járműirányítási mérnöki
mesterképzés (MA/MSc)
konzulens
-
Dr. Szemenyei Márton
Adjunktus, Irányítástechnika és Informatika Tanszék
