ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ СИСТЕМ РАСПОЗНАВАНИЯ ДОРОЖНЫХ ЗНАКОВ

С развитием вычислительной техники стало возможным решать в процессе жизнедеятельности ряд задач, связанных с взаимодействием человека и компьютера, ускорить, облегчить, повысить качество результата. Помимо всего прочего, компьютер взял на себя еще одну задачу, а именно – распознавание образов или машинное (техническое) зрение. Машинное (техническое) зрение – это один из наиболее перспективных и развивающихся методов автоматизации действий с применением робототехники и компьютерных технологий. В общем, системы машинного зрения преобразуют данные, которые поступают с устройств захвата изображения, с выполнением дальнейших операций на основе этих данных. Однако, далеко не всегда следует слепо доверять решение определенных проблем машине. Особенные трудности компьютер испытывает, например, при распознавании быстродвижущихся подобных объектов и рукописного текста. [1, с. 16]

Актуальность задачи распознавания дорожных знаков обусловлена повышением уровня безопасности на дорогах общего пользования и чрезвычайной важности информации, которую содержат дорожные знаки. При использовании автоматизированной системы распознавания крайне важно точно и своевременно идентифицировать дорожные знаки при движении транспортного средства как в условиях города, так и автострады. [2, с. 197]

Целью работы является практическое исследование систем распознавания дорожных знаков в режиме реального дорожного движения с внесением некоторых искажений в конструкцию дорожного знака.

Для выполнения такого практического исследования у меня появилась возможность проверить системы распознавания дорожных знаков на трех объектах:

1. Мобильное приложение «RoadAR»

В качестве первого объекта исследования было выбрано мобильное приложение для операционных систем Android и IOS – «RoadAR». Данное приложение было разработано в 2013 году. В данном приложении применяется алгоритм распознавания – сравнение с шаблоном.

Рисунок 1. Мобильное приложение «RoadAR»

2. Mercedes-Benz E-klasse IV (W212, S212, C207) Рестайлинг 200

В качестве второго объекта исследования был выбран автомобиль Mercedes-Benz E-klasse IV (W212, S212, C207) Рестайлинг 200. Данный автомобиль 2014 года выпуска и в нем присутствует система распознавания дорожных знаков «Speed Limit Assist». В данной системе распознавания применяется алгоритм распознавания – сверточные нейронные сети.

Рисунок 2. Mercedes-Benz E-klasse

3. Opel Insignia I

В качестве третьего объекта исследования был выбран автомобиль Opel Insignia I. Данный автомобиль 2013 года выпуска и он оснащен системой распознавания дорожных знаков «Opel Eye». Впервые в истории на данном автомобиле появилась система распознавания дорожных знаков. В данной системе от автопроизводителя Opel применяется алгоритм распознавания – сравнение с шаблоном.

Рисунок 3. Opel Insignia I

В исследовании было проверено как поведут себя системы распознавания дорожных знаков, выбранные для исследования, при внесении некоторых изменений в конструкцию дорожного знака, а именно: если дорожный знак ограничения скоростного режима повернут под углом примерно 40 – 45 градусов.

Для данного исследования был повернут один знак ограничения скоростного режима, встречающийся на маршруте, – 40 км/час.

Рисунок 4. Знак ограничения скорости 40 км/час, повернутый под углом 40-45 градусов

Мобильное приложение «RoadAR» справилось с данной задачей. Данный дорожный знак ограничения скоростного режима был считан и выведен на экран мобильного телефона. Данное мобильное приложение оказалось не чувствительно к небольшой ориентации дорожного знака на дорогах общего пользования, что не мало важно для системы распознавания дорожных знаков.

Система распознавания дорожных знаков «Speed Limit Assist» от Mercedes-Benz не смогла считать номинал дорожного знака ограничения скоростного режима в 40 км/час на маршруте исследования, но она вывела предупреждение, что на данном участке пути действует ограничение скорости в 40 км/час на дисплей приборной панели, так как данная система отслеживает не только реальную ситуацию на дороге, но и опирается на данные дорожных карт, не выводя ограничение скорости на проекционный дисплей.

Система «Opel Eye» от Opel оказалась очень чувствительна к ориентации дорожного знака ограничения скорости. К сожалению, камера пропустила данный дорожный знак, повернутый под углом 40 – 45 градусов. На дисплее приборной панели после проезда данного дорожного знака ограничения скоростного режима в 40 км/час было показано значение ограничения скоростного режима в 70 км\час. Система оказалась лишена привязки к навигации, отслеживает только реальную придорожную информацию, а потому и дезинформирует водителя реже.

Рисунок 5. Пример работы системы «Opel Eye» при повернутом дорожном знаке в 40-45 градусов

Заключение

В результате практического исследования можно сделать вывод, что исследованные системы распознавания дорожных знаков не всегда способны грамотно и четко работать на российских дорогах. При возникновении некоторых трудностей, таких как: когда часть знака закрыта или знак повернут под некоторым углом, что очень часто встречается на российских дорогах, системы, к сожалению, не выполняют свои назначенные обязанности, вводят в заблуждение водителя и снижают его внимательность на дороге. На мой взгляд, более всего к нашим российским дорогам адаптирована система распознавания дорожных знаков от автопроизводителя Mercedes-Benz – «Speed Limit Assist».  В процессе исследования, данная система показывала более четкие результаты, нежели мобильное приложение «RoadAR» и система «Opel Eye». Наиболее верным решением для российских дорог является сочетание системы распознавания дорожных знаков с картой местности (данными навигационной системы), что и содержит система «Speed Limit Assist».

Список литературы:

1. Якимов П., В. «Детектирование  и дорожных знаков» Издательство: Саарбрюккен: LAP LAMBERT AcademicPublishing, 2016. – 112 с.
2. Уздин Д.З. «О новом подходе в теории распознавания образов», 2011. – 233 с.