Traffic sign monitoring system based on Raspberry Pi
Syrym, Sapash |
Nežiūrint į tai, kad eismo kokybė ir kelių būklė Lietuvoje nuolatos gerėja, tačiau žiniasklaidoje neretai matome įvairių pranešamų apie kelių eismo įvykius, kurie kartais būna net su tragiškomis pasekmėmis. To priežastimi dažniausiai yra kelių ženklų reikalavimų nesilaikymo, o ir objektyvus, dėl sudėtingų vairavimo situacijų, jų nepastebėjimas. Siekiant padėti spręsti šia eismo problemą magistro darbe yra nagrinėjamas ir siūlomas sąlyginai paprastas ir nebrangus kelio ženklų atpažinimo sistemos prototipas sukurtas Raspberry Pi pagrindu. Skaitmeninis vaizdo apdorojimas vaidina svarbų vaidmenį ženklų fiksavimo ir aptikimo sistemoje. Pritaikyti vaizdo apdorojimo algoritmai leidžia parametrizuoti užfiksuotą ženklą, kas sąlygoja jų momentinį apdorojimą ir atpažinimą apmokytais mašininiais neuroninių tinklų algoritmais. Raspberry pi kameros prievadas skirtas kelio ženklams fiksuoti naudojant vaizdo gerinimo metodus. Įterptosios sistemos spartintuvas, Googe Coral, suteikia unikalias skaičiavimo galimybes kompiuteriui Rasppery Pi realiu laiku atpažinti kelio ženklų paskirtį. Magistro darbo tikslas yra ištirti ir įvertinti mažo galingumo mini kompiuterio Raspberry Pi, su įterptiniais skaičiavimo spartintuvais, panaudojimo galimybę, sekti, atpažinti ir informuoti apie aptikto kelio ženklo reikalavimą ir jo paskirtį.
Despite the fact that the quality of traffic and the condition of roads in Lithuania are constantly improving, we often see various reports in the media about road accidents, sometimes with tragic consequences. This is usually due to failure to observe traffic signs, but also to objective failure to notice them due to difficult driving situations. In order to help solve this traffic problem, a relatively simple and inexpensive prototype of a road sign recognition system based on Raspberry Pi is analyzed and proposed in the master thesis. Digital image processing plays an important role in the acquisition and recognition of road signs. The applied image processing algorithms allow the parameterization of the captured sign, which leads to its immediate processing and recognition by trained machine neural network algorithms. Raspberry Pi's camera port is designed to capture road signs using image enhancement techniques. The embedded system accelerator, Google Coral, provides unique computational capabilities for the Raspberry Pi computer to recognize the purpose of road signs in real time. The aim of the MSc thesis is to investigate and evaluate the feasibility of using a low-power Raspberry Pi mini-computer with embedded computing accelerators to track, recognize and inform the requirement and purpose of a detected road sign.