Измерение дальности до автомобилей с помощью камеры бокового вида без использования дорожной разметки

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Малашин Р.О. Измерение дальности до автомобилей с помощью камеры бокового вида без использования дорожной разметки // Оптический журнал. 2019. Т. 86. № 11. С. 51–58. http://doi.org/10.17586/1023-5086-2019-86-11-51-58

Malashin R.O. Measuring the distance to cars by means of a side view camera without using road markings [in Russian] // Opticheskii Zhurnal. 2019. V. 86. № 11. P. 51–58. http://doi.org/10.17586/1023-5086-2019-86-11-51-58

Ссылка на англоязычную версию:

R. O. Malashin, "Measuring the distance to cars by means of a side view camera without using road markings," Journal of Optical Technology. 86(11), 716-722 (2019). https://doi.org/10.1364/JOT.86.000716

Аннотация:

Рассмотрена задача определения дальности до автомобилей «в слепой зоне» с помощью камеры бокового вида. Представлено аналитическое решение задачи восстановления трехмерных координат «преследующего» транспортного средства с помощью обнаружения на изображении точки соприкосновения автомобиля с дорогой. Рассмотрены способы получения и уточнения ориентации камеры. Для обнаружения точки соприкосновения была обучена нейронная сеть. Приведены результаты экспериментальной проверки разработанных алгоритмов, подтверждающих работоспособность предложенного метода.

Ключевые слова:

автономное вождение, вычисление дистанции до автомобилей, обнаружение объектов

Коды OCIS: 150.6910, 150.5670, 100.4996

Список источников:

1. Tram V., Yoo M. Vehicle-to-vehicle distance estimation using a low-resolution camera based on visible light communications // IEEE Access. 2018. V. 6. P. 4521–4527.
2. Dagan E., Mano O., Stein G. Forward collision warning with a single camera // Intelligent Vehicles Symposium. 2004. P. 37–42.
3. Wang W., Yang S., Li Y., Ding W. A rough vehicle distance measurement method using monocular vision and license plate // 2015 IEEE Internat. Conf. Cyber Technology in Automation, Control, and Intelligent Systems (CYBER). Shenyang, China. 8–12 June, 2015. P. 426–430.
4. Card-Advanced-Lane-Lines. URL: https://github.com/ajsmilutin/CarND-Advanced-Lane-Lines/blob/master/README.md (accessed 29.06.2019).
5. Tseng D. Blind-spot vehicle detection using motion and static features // Internat. J. Machine Learning and Computing. 2014. V. 4. № 6. P. 516–521.
6. Ali A., Hussein H. Distance estimation and vehicle position detection based on monocular camera // AIC-MICSTA. 2016. P. 1–4.
7. Wei B.F., Huang H., Chen C., Chen Y., Chang C., Chen Y. A vision-based blind spot warning system for daytime and nighttime driver assistance // Computers and Electrical Eng. 2013. V. 39. P. 846–862.
8. Qi S., Li J., Sun Z., Zhang J., Sun Y. Distance estimation of monocular based on vehicle pose information // IOP Conf. Series: J. Phys.: Conf. Series. 2019. V. 1168. P. 032040.
9. Redmon J., Farhadi A. YOLO9000: Better, faster, stronger // IEEE Conf. CVPR. Honolulu, USA. 21–26 July, 2017. P. 6517–6525.
10. The Kitti vision benchmark suite [official website]. URL: http://www.cvlibs.net/datasets/kitti (accessed: 28.06.2019).
11. Udacity Self-driving car dataset. URL: https://github.com/udacity/self-driving-car/tree/master/datasets (accessed 28.06.2019).
12. The Cityscapes Dataset [official website]. URL: https://www.cityscapes-dataset.com/ (accessed 28.06.2019).
13. Open computer vision library [official website]. URL: https://opencv.org/ (accessed 30.06.2019).
14. Malashin R.O., Kadykov A.B. Investigation of the generalizing capabilities of convolutional neural networks in forming rotation-invariant attributes // JOT. 2015. V. 82. № 8. P. 509–515.