Как узнать разрядность системы windows vista

Автономное распознавание дорожных знаков по видеосигналу без управления освещением

Полный текст

VŠB — Остравский технологический университет

Факультет электротехники и информатики

ТЕЗИС

VŠB — Остравский технологический университет

Факультет электротехники и информатики

Отдел контрольно-измерительной техники

Автономное распознавание дорожных знаков по изображению

сигнал без управляемого освещения

Автономное распознавание дорожных знаков по видеосигналу

без управления освещением

Утверждение учащегося:

«Я заявляю, что подготовил эту дипломную работу самостоятельно. Я перечислил все литературные источники и публикации, из которых черпал.»

Благодарности:

Я благодарю научного руководителя Ing. Зденек Махачек, доктор философии. за действенную методическую, педагогическую и профессиональную помощь и другие ценные советы при подготовке дипломной работы.

Аннотация:

Эта работа посвящена разработке алгоритма автономного распознавания дорожных знаков без управляемого освещения. Алгоритм основан на симптомном анализе изображения, на основании которого производится корректировка объектов на изображении и их последующее соотнесение с набором закономерностей. Анализ признаков исследует свойства непрерывных объектов на изображении. Эти свойства служат критерием принятия решения для изменения искомых объектов и выбора шаблонов корреляции. Система распознавания была смоделирована в программе Matlab и впоследствии реализована на языке C# для различных платформ операционной системы Windows. Эти платформы включают операционную систему Windows XP/Vista/7, а также операционные системы Windows CE и Windows Mobile. Таким образом, система распознавания может работать на любом оборудовании, оснащенном одной из этих операционных систем. СкоростьЗатем системы распознавания определяются производительностью и конфигурацией используемого устройства или компьютера, на котором оно работает.

Ключевые слова:

Matlab, C#, CMOS, VGA, FPS, RGB, 2D, OCR, веб-камера, Visual Studio, дорожные знаки, управляемое освещение, моментальный снимок, анализ изображения, пороговое значение, непрерывность изображения, анализ симптомов, корреляция

Аннотация:

В данной статье описывается разработка алгоритмов автономного обнаружения дорожных знаков без управления освещением. В основе алгоритма лежит размеченный анализ изображений, на основании которого производится корректировка объектов изображения и последующее их сопоставление с набором закономерностей. Анализ шаблонов исследует свойства непрерывных объектов на изображении. Эти характеристики служат критерием принятия решения о желаемом лечении и выборе моделей корреляции. Система распознавания была смоделирована в Matlab, а затем реализована на C# или различных платформах Windows. Эти платформы включают Windows XP/Vista/7, а также Windows CE и Windows Mobile. Система распознавания может работать на любом оборудовании с одной из этих операционных систем. Затем система распознавания скорости определяется производительностью и конфигурацией устройства или компьютера, на котором она работает.

Ключевое слово:

Matlab, C #, CMOS, VGA, fps, RGB, 2D, OCR, веб-камера, Visual Studio, дорожные знаки, освещение, изображение, анализ изображения, пороговое значение, согласованность изображения, статистический анализ, корреляция

Читайте также:  Как установить windows word на компьютер

Список используемых символов и сокращений:

Объектно-ориентированный язык программирования C#

ПЗС-устройство с зарядовой связью, записывающее информацию об изображении

Общий промежуточный формат CIF, разрешение видео 352 × 288 пикселей

Комплементарная CMOS-система металл-оксид-полупроводник

кадров в секунду

Загрузчик LogicLoader от LogicPD

Оптическое распознавание символов OCR

Аддитивная цветовая модель RGB Красный-Зеленый-Синий

Программное обеспечение Программное обеспечение, выполняющее определенные действия Универсальная последовательная шина USB, универсальная последовательная шина

Содержание:

2. Анализ системы камеры и свойств изображения. 2

2.1. Виды и типы камер для съемки изображений. 3

2.2. Цифровое представление изображения. 4

2.3. Свойства изображения. 5

3. Анализ и проектирование алгоритма распознавания. 7

3.1. Основные функциональные требования — скорость, точность, надежность. 7

3.2. Характерные черты дорожных знаков. 7

3.3. Разработка решения алгоритма распознавания. 8

4. Алгоритм обнаружения дорожных знаков. 11

4.1. Порог изображения. 11

4.2. Обнаружение непрерывности изображения. 12

4.3. Фильтрация изображений симптомов. 14

4.4. Разделение выбранной области и связанных с ней непрерывных областей на изображении. 14

4.5. Выравнивание разметки до вертикального положения. 15

4.6. Стандартизация размеров объектов. 16

4.7. Оценка объектов. 17

4.7.1. Сортировка маркировки по количеству объектов. 17

4.7.2. Набор шаблонов. 18

4.7.3. Корреляционная функция. 18

4.8. Реализация алгоритма OCR для корректирующих скорость дорожных знаков. 19

4.9 Представление результатов. 20

5. Практическая реализация алгоритма. 21

5.1. Модель алгоритма в Matlab. 21

5.2. Программа на языке C#. 23

5.2.1. WindowsXP/Vista/7. 24

5.2.1.1. Ресурсы программы. 24

5.2.1.2 Пользовательский интерфейс. 27

5.2.2. Виндовс СЕ 6.0. 30

5.2.2.1. Установка Windows CE на комплект разработки iMX.31Litekit. 30

5.2.2.2 Ресурсы программы. 33 5.2.2.3 Пользовательский интерфейс. 34 5.2.3. Windows Mobile. 35 5.2.3.1 Ресурсы программы. 35 5.2.3.2 Пользовательский интерфейс. 37 6. Проверка результатов.38 6.1. Скорость. 38 6.2. Точность с надежностью. 45 7. Подведение итогов и заключение. 49 Литература. 50

1. Введение

Целью данной работы является создание системы распознавания дорожных знаков. Система предназначена для поиска дорожных знаков по изображению, снятому стандартной камерой или камерой без регулируемого освещения. Затем эта информация может быть передана системой водителю или бортовому компьютеру автомобиля. Информация о дорожных знаках позволяет снизить риск непреднамеренных нарушений правил дорожного движения, особенно высокий для водителей, передвигающихся в незнакомой среде или среде с ведущимися строительными работами.

Дорожные знаки распознаются по изображению, снятому камерами на основе технологии CMOS или CCD. Используемая технология захвата изображения камерами вносит погрешности в виде шума в получаемое изображение. Полученное изображение оцифровывается, что дает возможность его компьютерной обработки. В процессе оцифровки изображение дискретизируется и квантуется. Чаще всего при оцифровке изображение кодируется в стандартизированную модель расположения элементов RGB или YUV. Таким образом, на основе принципа кодирования и квантования в полученное изображение вносятся искажения.

Обработка изображений требует компьютерного времени. Это время должно быть минимизировано в алгоритме, чтобы результаты были предоставлены в приемлемое время. Сокращение времени вычислений требует либо увеличения вычислительной мощности компьютера, либо уменьшения количества вычислительных операций, либо упрощения алгоритма распознавания. Требование точности и надежности алгоритма может противоречить этому критерию. Значительную роль при этом играют характеристики и параметры дорожной разметки, которые в Чешской Республике даются Постановлением Министерства транспорта № 30/2001 Сб. На основе анализа свойств изображения, дорожной разметки и функциональных требованийалгоритм распознавания, можно эффективно предложить его решение.

Читайте также:  Как установить несколько операционных систем на один компьютер windows

Параметры входного изображения изменяются в широком диапазоне значений, будь то сканируемая сцена, положение и размер разметки на изображении, контрастность или условия освещения в момент сканирования дорожной разметки. Первым шагом является стандартизация входного изображения, которая выполняется путем пороговой обработки изображения. Затем мы можем искать связи в изображении, отредактированном таким образом, которые могут представлять собой дорожные знаки, которые мы ищем. Таким образом, зная свойства маркировки, мы можем подвергнуть непрерывную область анализу симптомов и тем самым определить ее принадлежность. Оценка конкретного дорожного знака осуществляется путем сопоставления выбранной непрерывной области с образцами дорожных знаков. Перед применением корреляционной функции необходимо стандартизировать размер выбранной непрерывной области. Применение корреляционной функции не очень эффективно в случае дорожных знаков, ограничивающих скорость. В этом случае лучшим решением будет использование алгоритма OCR, который реализуется на объектах, расположенных внутри выделенной сплошной области. Во многих случаях дорожные знаки не располагаются в полностью вертикальном положении. Знание свойств выделенной непрерывной области позволяет скорректировать ее поворот перед применением корреляционной функции. Эта операция повышает надежность корреляционной функции и, следовательно, всей системы распознавания.

Модель алгоритма распознавания создана в Matlab, а система распознавания реализована на языке программирования C#. Модель в Matlab используется для проверки правильности работы алгоритма распознавания и для тестирования поведения системы при разных настройках пороговых значений некоторых функций. Программа на языке C# создана для операционной системы Windows XP, Vista/7, операционной системы реального времени Windows CE и КПК, работающих с операционной системой Windows Mobile 5.0.

2.Анализ системы камер и свойств изображения

Целью работы является проектирование системы распознавания дорожных знаков. Базовым предположением является работа системы распознавания в реальных условиях и времени. Основной областью, в которой система распознавания может найти свое применение, является транспортная сфера. Задача системы распознавания — обнаруживать дорожные знаки, расположенные перед транспортным средством, и передавать эту информацию на бортовой компьютер автомобиля или водителю. Примерный способ использования системы распознавания показан на рис.1.

Рис. 1. Модельный способ использования системы распознавания

Система распознавания, показанная на рис. 1. использует камеру, расположенную в передней части автомобиля, которая фиксирует сцену, расположенную перед автомобилем. Затем система распознавания обрабатывает и оценивает захваченное изображение и отображает актуальную информацию об обнаруженных метках на дисплее, расположенном на приборной панели автомобиля.

Очевидно, что правильный захват сцены перед автомобилем является ключевым элементом для дальнейшей обработки и правильного функционирования системы распознавания. Таким образом, правильный выбор системы камер и свойств сцены или изображения, которое она захватывает, становится одним из ключевых компонентов системы. По этим причинам основные требования к свойствам входного изображения определены в следующих главах.

Заблаговременное и правильное информирование водителя может значительно повысить безопасность дорожного движения, особенно в тех случаях, когда водитель движется в незнакомой среде или в среде, где ведутся строительные работы, или в плохих погодных условиях.

Отображение с информацией о распознанных дорожных знаках Захваченная сцена

с дорожными знаками

Камера расположена в передней части автомобиля

2.1. Виды и типы камер для съемки изображений

Камеры состоят из трех основных частей.Первая часть представляет собой оптическую систему, состоящую из набора линз, задачей которых является проецирование изображения на чип сенсора. Датчик преобразует энергию, создаваемую воздействием фотонов, в электрический сигнал или заряд. Третьей частью камеры является электроника, обеспечивающая преобразование этого заряда в электрический сигнал. Таким образом, мы можем понимать изображение как двумерный сигнал.

Читайте также:  Как установить windows vista с флешки на ноутбук

В настоящее время чипы датчиков камеры основаны на технологии CMOS или CCD. Использование технологии CCD показывает лучшие свойства. По сравнению с КМОП-технологией имеет лучшую светочувствительность, что проявляется при сниженном уровне освещенности. Недостатком ПЗС-технологии является более высокая стоимость производства. Технология КМОП основана на стандартной технологии производства интегральных схем, поэтому микросхема датчика может быть размещена на одной плате вместе с электронной частью. Еще одним преимуществом технологии CMOS является более низкое энергопотребление. Как правило, когда сенсор нагревается, нежелательные шумы увеличиваются, что снижает качество получаемого изображения. [5]

Сегодня веб-камеры можно отнести к широко доступным и очень дешевым системам камер. Эти веб-камеры легко подключаются через интерфейс USB, имеют автоматическую фокусировку, баланс белого и коррекцию яркости. Примером может служить веб-камера A4Tech PK-335MB или камера Labtec 1200 с разрешением VGA и частотой кадров 30 кадров в секунду.

Рис. 2. A4Tech PK-335MB (слева), веб-камера Labtec 1200 (справа)

Доступные чипы оптических датчиков, содержащиеся в этих камерах, в настоящее время производятся несколькими крупными компаниями. К наиболее важным компаниям относятся, например, Omnivison, Micron или PixArt Imaging.

Например, веб-камера Labtec 1200, показанная на рис. 2 оснащен оптическим чипом от компании PixArt Imaging с обозначением типа PAC207BCA. Этот чип содержит процессор изображений и встроенный интерфейс USB 1.1. Интеграция всехфункций в одном чипе значительно снижает требования к дополнительному аппаратному оборудованию камеры и тем самым снижает затраты на производство такого устройства.

2.2. Цифровое представление изображения

Оцифрованное изображение представлено двумерной матрицей элементов, так называемых пикселей. Размер этой матрицы указывает параметр разрешения изображения. В настоящее время определено несколько моделей для представления цвета и яркости изображения. Чаще всего я использую цветовую модель RGB или YUV.

Модель YUV основана на идее, что человеческий глаз более чувствителен к изменениям яркости, чем к цвету. В ней для описания цвета используется трехэлементный вектор [Y,U,V]. где Y — яркостная составляющая, а U и V — цветные составляющие. Цветовые составляющие находятся в диапазоне от -0,5 до +0,5, яркостная составляющая имеет диапазон от 0 до 1. Модель чаще всего используется в телевизионных передачах в стандарте PAL.

В модели RGB используется принцип аддитивного смешивания цветов. Каждый цвет обозначается силой трех основных цветов — составляющих (красного — зеленого и синего — синего). При этом модель не определяет абсолютное значение яркости. Интенсивность каждого цвета выражается в диапазоне от 0 до 1, где смешивание интенсивности всех цветов со значением 0 представляет собой полностью черный цвет, а смешивание цветов с интенсивностью 1 представляет собой абсолютно белый цвет. Способ смешивания цветов показан на вкладке 1. [20]

Красный Зеленый Синий итоговый цвет

0 0 0 черный 1 0 0 красный 0 1 0 зеленый 0 0 1 синий 1 1 0 желтый 1 0 1 пурпурный 0 1 1 голубой 1 1 1 белый

Вкладка 1. Модель RGB — аддитивное смешивание цветов

Преобразование между моделями YUV и RGB может быть реализовано в соответствии со следующими соотношениями.

Поделиться с друзьями
ОС советы