Hệ Thống Phát Hiện và Nhận Diện Biển Báo Giao Thông Trên Kit Friendly ARM

Luận văn thạc sĩ nghiên cứu kỹ thuật điện tử hệ thống phát hiện và nhận diện biển báo giao thông trên kit friendly arm, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp

• Tác giả: Trần Quang Hoàng Giang
• Người hướng dẫn: TS. Trương Quang Vinh
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Kỹ thuật điện tử
• Đề tài: Hệ Thống Phát Hiện và Nhận Diện Biển Báo Giao Thông Trên Kit Friendly ARM
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CÁM ƠN
• TÓM TẮT LUẬN VĂN
• ABSTRACT
• LỜI CAM ĐOAN
• DANH SÁCH CÁC CHỮ VIẾT TẮT
• DANH SÁCH BẢNG
• DANH SÁCH HÌNH
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Giới thiệu tổng quan
• 1.2. Mục tiêu đề tài
• 1.3. Một số thách thức và giới hạn đề tài
• 1.3.1. Một số thách thức
• 1.3.2. Giới hạn đề tài
• 2. CHƯƠNG 2: TÌNH HÌNH NGHIÊN CỨU
• 2.1. Cơ bản về giải thuật nhận dạng biển báo giao thông
• 2.2. Các công trình nghiên cứu liên quan
• 2.2.1. Các công trình nghiên cứu dựa trên thông tin màu sắc, hình dạng
• 2.2.2. Các công trình nghiên cứu sử dụng thuật toán máy học
• 2.3. Phân tích tổng quan lý thuyết
• 2.3.2. Phát hiện biển báo
• 2.3.3. Giới thiệu thư viện mã nguồn mở OpenCV
• 3. CHƯƠNG 3: NỘI DUNG
• 3.1. Giải thuật đề nghị
• 3.1.1. Ảnh đầu vào
• 3.1.3. Phát hiện biển
• 3.1.5. Kết quả mô phỏng
• 3.1.6. Một số phương pháp tối ưu
• 3.2. Thiết kế hệ thống nhúng phát hiện và nhận dạng biển báo
• 3.2.1. Kit nhúng Tiny4412
• 3.2.2. Cài đặt thư viện, hệ điều hành trên kit Tiny4412
• 3.2.3. Các bước biên dịch cài đặt OpenCV
• 3.2.4. Porting ứng dụng lên kit nhúng
• 4. CHƯƠNG 4: THỬ NGHIỆM ĐÁNH GIÁ
• 4.1. Phương pháp thử nghiệm
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Hệ Thống Nhận Diện Biển Báo Giao Thông ARM 55 ký tự

An toàn giao thông là vấn đề cấp thiết. Tai nạn giao thông gia tăng do nhiều yếu tố, bao gồm ý thức người tham gia giao thông và cơ sở hạ tầng. Tuy nhiên, việc hỗ trợ người lái xe phát hiện và nhận diện biển báo giao thông có thể giảm thiểu tai nạn. Hệ thống này là một phần quan trọng của ADAS (Advanced Driver-Assistance Systems), cung cấp thông tin và cảnh báo, hướng tới lái xe tự động. Luận văn này tập trung vào xây dựng hệ thống sử dụng thư viện OpenCV trên Kit Friendly ARM Tiny4412.

1.1. Tầm Quan Trọng của Phát Hiện Biển Báo Giao Thông

Phát hiện và nhận diện biển báo giao thông thời gian thực đóng vai trò then chốt trong việc cải thiện an toàn giao thông. Hệ thống hỗ trợ lái xe giúp người lái tập trung hơn vào việc điều khiển phương tiện, giảm nguy cơ tai nạn do xao nhãng hoặc không nhận biết kịp thời các biển báo quan trọng. Việc này đặc biệt quan trọng trong điều kiện giao thông phức tạp và mật độ cao, nơi yêu cầu phản ứng nhanh nhạy của người lái.

1.2. Mục Tiêu Xây Dựng Hệ Thống Nhận Diện Biển Báo trên ARM

Mục tiêu chính của luận văn là phát triển một giải thuật hiệu quả cho việc phát hiện và nhận diện biển báo giao thông phù hợp với điều kiện Việt Nam. Giải thuật này sẽ được mô phỏng trên PC trước khi triển khai trên Kit Friendly ARM Tiny4412. Ngoài ra, luận văn cũng hướng đến xây dựng cơ sở dữ liệu hình ảnh và video về biển báo giao thông Việt Nam để phục vụ cho việc nghiên cứu và phát triển trong lĩnh vực giao thông thông minh.

II. Thách Thức và Giới Hạn Phát Hiện Biển Báo 57 ký tự

Việc phát hiện biển báo giao thông gặp nhiều thách thức do sự phức tạp của biển báo và môi trường xung quanh. Biển báo chịu tác động của thời tiết, ánh sáng, và có thể bị che khuất. Biển báo giao thông Việt Nam cũng không có quy chuẩn thống nhất. Luận văn tập trung vào 3 loại biển báo chính: cấm (20 biển), nguy hiểm (22 biển), và hiệu lệnh (10 biển). Hệ thống được thử nghiệm trên Kit nhúng Friendly ARM Tiny 4412 với camera độ phân giải 640x480, tốc độ xử lý < 20 frames/s.

2.1. Các Yếu Tố Ảnh Hưởng Độ Chính Xác Nhận Diện Biển Báo

Nhiều yếu tố có thể ảnh hưởng đến độ chính xác của hệ thống nhận diện biển báo giao thông. Màu sắc biển báo có thể bị phai mờ theo thời gian, tầm nhìn hạn chế do thời tiết xấu, độ sáng thay đổi theo thời gian và góc nhìn, nhiễu do các vật thể cùng màu sắc, và biển báo có thể bị hư hỏng. Ngoài ra, hình ảnh thu được từ camera trên xe có thể bị mờ do chuyển động và rung.

2.2. Giới Hạn Về Loại Biển Báo và Hiệu Năng Hệ Thống ARM

Luận văn giới hạn phạm vi nghiên cứu vào 3 loại biển báo giao thông chính: biển báo cấm, biển báo nguy hiểm và biển hiệu lệnh. Hệ thống được xây dựng trên Kit nhúng Friendly ARM Tiny4412 với các giới hạn về phần cứng và hiệu năng. Mục tiêu là đạt được tốc độ xử lý thời gian thực dưới 20 frames/s với camera độ phân giải 640x480.

III. Phương Pháp Phát Hiện Biển Báo Màu Sắc và Hình Dạng 60 ký tự

Các giải thuật nhận diện biển báo giao thông thường dựa trên hai giai đoạn chính: phát hiện và nhận diện. Giai đoạn phát hiện là then chốt. Luận văn xem xét các phương pháp dựa trên màu sắc và hình dạng biển báo. Một bài báo của Ghica (1995) sử dụng ngưỡng phân đoạn màu. Fang [2] tính toán giá trị Hue của không gian màu HSI. Zimmermann [3] phát hiện biển báo dựa trên hình dạng đối tượng.

3.1. Phân Đoạn Màu Sắc Sử Dụng Không Gian Màu HSV Achrom

Một phương pháp hiệu quả để phát hiện biển báo giao thông là sử dụng phân đoạn màu sắc trong không gian màu HSV (Hue, Saturation, Value). Thuật toán HSV Achrom có thể được sử dụng để phân tách các vùng màu sắc khác nhau trong ảnh, dựa trên các ngưỡng giá trị Hue, Saturation và Value. Phương pháp này đặc biệt hữu ích trong việc xác định các biển báo có màu sắc đặc trưng như đỏ, vàng hoặc xanh.

3.2. Sử Dụng Đặc Trưng Hình Dạng với Affine Moment Invariant

Ngoài màu sắc, hình dạng cũng là một đặc trưng quan trọng để nhận diện biển báo giao thông. Phương pháp Affine Moment Invariant có thể được sử dụng để trích xuất các đặc trưng hình dạng không thay đổi theo phép biến đổi affine (ví dụ: xoay, co giãn). Điều này giúp hệ thống có thể nhận diện biển báo ngay cả khi chúng bị biến dạng hoặc thay đổi kích thước.

IV. Nhận Diện Biển Báo Giao Thông Dùng Thuật Toán SVM 58 ký tự

Sau khi phát hiện, biển báo cần được nhận diện. Yin S, Ouyang P, et al. [4] sử dụng phương pháp biến đổi Hough và RIBP. Cuối cùng, mạng ANN (Artificial Neural Network) được sử dụng để phân loại. Luận văn sử dụng thuật toán Support Vector Machines (SVMs) để nhận diện biển báo giao thông. SVMs có tốc độ phân lớp nhanh và độ chính xác cao. Các véc tơ đặc trưng được tạo ra ở một vùng ứng cử sẽ được nhóm lại sử dụng ANN dựa trên phương pháp K-means.

4.1. Ưu Điểm của SVM trong Bài Toán Nhận Diện Biển Báo

Thuật toán Support Vector Machines (SVM) là một phương pháp học máy có giám sát, rất hiệu quả trong bài toán phân loại. SVM có khả năng xử lý dữ liệu phi tuyến tính và đạt độ chính xác cao trong nhiều ứng dụng, bao gồm cả nhận diện biển báo giao thông. Ngoài ra, SVM còn có ưu điểm là tốc độ phân lớp nhanh, phù hợp với yêu cầu thời gian thực của hệ thống.

4.2. Huấn Luyện và Tối Ưu Hóa Mô Hình SVM trên Kit ARM

Để sử dụng SVM hiệu quả, cần phải huấn luyện mô hình trên một tập dữ liệu lớn các hình ảnh biển báo giao thông. Quá trình huấn luyện bao gồm việc trích xuất các đặc trưng từ hình ảnh và tìm ra các siêu phẳng phân tách tốt nhất giữa các lớp (loại biển báo). Việc tối ưu hóa mô hình SVM trên Kit ARM là rất quan trọng để đảm bảo hiệu năng tốt và tốc độ xử lý nhanh.

V. Thiết Kế và Triển Khai Hệ Thống Nhúng Trên Kit ARM 59 ký tự

Hệ thống nhúng được xây dựng trên Kit nhúng Tiny4412 với vi xử lý Samsung Exynos4412 ARM Cortex-A9. Hệ thống thu thập hình ảnh qua camera, phát hiện, theo dõi và nhận dạng biển báo, hiển thị kết quả. Quá trình gồm: tiền xử lý, phát hiện, nhận dạng. Thuật toán dựa trên đặc trưng màu sắc (HSV Achrom) và hình dạng (Affine Moment Invariant). Kết quả thực nghiệm cho thấy thuật toán đáp ứng được thời gian thực, hiệu suất cao.

5.1. Lựa Chọn và Cấu Hình Kit Friendly ARM Tiny4412

Kit Friendly ARM Tiny4412 là một nền tảng phần cứng phù hợp cho việc phát triển các ứng dụng hệ thống nhúng, bao gồm cả hệ thống nhận diện biển báo giao thông. Việc lựa chọn kit này cần dựa trên các tiêu chí như hiệu năng, khả năng tương thích với các thư viện phần mềm, và chi phí. Cấu hình kit bao gồm việc cài đặt hệ điều hành, trình biên dịch và các công cụ phát triển cần thiết.

5.2. Porting và Tối Ưu Hóa OpenCV cho Ứng Dụng Nhận Diện

OpenCV là một thư viện mã nguồn mở mạnh mẽ cho xử lý ảnh và thị giác máy tính. Việc porting OpenCV lên Kit ARM và tối ưu hóa nó cho ứng dụng nhận diện biển báo giao thông là một bước quan trọng. Tối ưu hóa bao gồm việc sử dụng các kỹ thuật như biên dịch chéo, vector hóa và tối ưu hóa bộ nhớ để cải thiện tốc độ xử lý và hiệu năng của hệ thống.

VI. Kết Quả Thử Nghiệm và Ứng Dụng Thực Tế 52 ký tự

Luận văn trình bày kết quả thử nghiệm hệ thống trên Kit Friendly ARM. Hệ thống có thể nhận diện biển báo giao thông trong điều kiện thời tiết khác nhau. Các thử nghiệm được thực hiện trong môi trường thực tế với nhiều loại biển báo. Đề tài có thể được áp dụng trong ứng dụng giao thông thông minh, xe tự hành, và hệ thống hỗ trợ lái xe.

6.1. Đánh Giá Độ Chính Xác và Tốc Độ Nhận Diện trong Thực Tế

Việc đánh giá độ chính xác và tốc độ nhận diện của hệ thống trong điều kiện thực tế là rất quan trọng. Các thử nghiệm cần được thực hiện với nhiều loại biển báo giao thông, trong các điều kiện ánh sáng và thời tiết khác nhau. Kết quả đánh giá sẽ cho thấy khả năng ứng dụng thực tế của hệ thống và các điểm cần cải thiện.

6.2. Triển Vọng Ứng Dụng và Phát Triển Hệ Thống trong Tương Lai

Hệ thống nhận diện biển báo giao thông có nhiều triển vọng ứng dụng trong lĩnh vực giao thông thông minh, bao gồm hệ thống hỗ trợ lái xe nâng cao (ADAS), xe tự hành và các ứng dụng di động. Trong tương lai, hệ thống có thể được phát triển thêm các tính năng như nhận diện biển báo giao thông thời gian thực trên ứng dụng di động hoặc tích hợp với các hệ thống bản đồ và định vị.

Nội dung chính

Tổng quan nghiên cứu

Theo thống kê từ Ủy ban An toàn Giao thông Quốc gia, hơn 80% số vụ tai nạn giao thông đường bộ bắt nguồn từ sự thiếu chú ý hoặc xử lý tình huống chậm trễ của người điều khiển phương tiện. Sự gia tăng mật độ phương tiện cùng với hạ tầng giao thông phức tạp đòi hỏi các giải pháp công nghệ trợ lái thông minh nhằm giảm thiểu rủi ro va chạm. Hệ thống hỗ trợ người lái (Driver Assistant Systems - DAS) đóng vai trò then chốt trong việc cảnh báo sớm và hỗ trợ tự động hóa quá trình vận hành phương tiện. Tuy nhiên, việc nhận diện biển báo giao thông tại Việt Nam gặp nhiều thách thức lớn do điều kiện thời tiết khắc nghiệt, hiện tượng nắng chói, sương mù, biển báo bị che khuất, phai màu sơn sau thời gian dài sử dụng hoặc bị biến dạng cơ học.

Nghiên cứu được thực hiện với mục tiêu xây dựng giải thuật và phát triển hoàn chỉnh hệ thống phát hiện, nhận diện biển báo giao thông đường bộ Việt Nam theo thời gian thực trên nền tảng phần cứng nhúng kit FriendlyARM Tiny4412. Đề tài tập trung giải quyết bài toán thị giác máy tính với phạm vi khảo sát gồm 52 loại biển báo giao thông phổ biến, chia thành 3 nhóm trọng tâm: 20 biển báo cấm, 22 biển báo nguy hiểm và 10 biển báo hiệu lệnh.

Quá trình thực nghiệm được triển khai trong giai đoạn từ tháng 08 năm 2015 đến tháng 01 năm 2016 tại Trường Đại học Bách Khoa thuộc Đại học Quốc gia Thành phố Hồ Chí Minh. Kết quả nghiên cứu đạt được giá trị ứng dụng thực tiễn cao khi hệ thống có khả năng xử lý luồng video đầu vào chuẩn 640x480 pixel với tốc độ đạt mức 20 khung hình trên giây, thời gian nhận diện cực nhanh chỉ từ 20 đến 24 mili-giây cho mỗi biển báo, nâng cao đáng kể mức độ an toàn cho người tham gia giao thông.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng đồng thời lý thuyết xử lý ảnh số và lý thuyết máy học nâng cao để thiết lập quy trình nhận diện 3 giai đoạn gồm tiền xử lý, phát hiện vùng ứng viên và nhận dạng phân lớp.

Về mặt lý thuyết không gian màu, hệ màu HSV (Hue - Saturation - Value) được lựa chọn thay thế cho không gian RGB truyền thống nhằm giảm thiểu tối đa sự phụ thuộc vào cường độ ánh sáng môi trường. Nghiên cứu khai thác mô hình vùng màu sắc Chromatic Zone kết hợp thuật toán HSV Achrom và thuật toán bất biến đổ bóng (Shadow and Highlight Invariant). Các thông số kênh màu được chuẩn hóa từ 0 đến 255 mức xám, trong đó thành phần Hue của dải màu đỏ được khoanh vùng chính xác trong 2 khoảng giá trị từ 0 đến 30 độ và từ 300 đến 360 độ.

Về mặt trích xuất hình học, phương pháp bất biến mômen Affine (Affine Moment Invariant) cùng thuật toán phân đoạn Watershed được ứng dụng để định dạng chính xác các khung hình tròn, hình tam giác đều và hình chữ nhật, đồng thời tách biệt hiệu quả các biển báo bị dính liền hoặc chồng lấn.

Về mặt học máy, nghiên cứu áp dụng thuật toán máy học phân lớp Support Vector Machine (SVM) dựa trên nguyên lý tìm kiếm mặt siêu phẳng có khoảng cách lề tối đa (maximum margin hyperplane), đem lại khả năng phân loại vượt trội so với mô hình Mạng Nơ-ron nhân tạo (Artificial Neural Network - ANN) khi triển khai trên phần cứng giới hạn.

Phương pháp nghiên cứu

Dữ liệu nghiên cứu bao gồm bộ mẫu chuẩn 52 loại biển báo giao thông đường bộ theo Quy chuẩn Việt Nam cùng hơn 500 hình ảnh và video thực tế thu thập trực tiếp từ camera hành trình di chuyển trên các tuyến đường đô thị và quốc lộ. Nghiên cứu áp dụng phương pháp chọn mẫu phân tầng có chủ đích (stratified purposive sampling), bao gồm đầy đủ các kịch bản thực nghiệm phức tạp: biển báo dưới trời nắng gắt, bóng râm, trời tối, biển báo bị mờ do chuyển động rung lắc, biển báo bị bong tróc sơn hoặc trùng màu với phông nền quảng cáo.

Lý do lựa chọn phương pháp phân tích kết hợp giữa thư viện thị giác máy tính OpenCV C++ và thuật toán SVM trên nền tảng nhúng là nhằm tối ưu hóa bộ nhớ RAM và tận dụng tối đa khả năng xử lý tính toán đa luồng của vi xử lý Samsung Exynos4412 ARM Cortex-A9 lõi tứ tốc độ 1.5 GHz. Hệ thống được biên dịch chéo (cross-compile) thông qua công cụ Qt Creator và thư viện nhúng Qte trên hệ điều hành Linux Ubuntu. Toàn bộ timeline nghiên cứu được tiến hành chặt chẽ trong vòng 5 tháng: từ tháng 08 năm 2015 tập trung khảo sát lý thuyết, tháng 10 năm 2015 hoàn thiện mô phỏng giải thuật trên máy tính cá nhân, và tháng 12 năm 2015 hoàn tất tối ưu hóa, porting chương trình lên kit nhúng Tiny4412.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm thực tế trên hệ thống nhúng đã mang lại các phát hiện khoa học và kết quả kỹ thuật ấn tượng:

Thứ nhất, thuật toán phân đoạn màu HSV Achrom kết hợp bộ lọc Gaussian khử nhiễu đạt hiệu suất phân đoạn chính xác lên tới 97.6%, loại bỏ hoàn toàn các vùng nhiễu nền phức tạp mà không làm đứt gãy đường biên của biển báo.

Thứ hai, thời gian nhận dạng của mô hình SVM trên kit vi xử lý ARM Cortex-A9 đạt tốc độ xử lý siêu tốc, dao động trong khoảng từ 20 đến 24 mili-giây cho một biển báo. Cụ thể, thời gian nhận diện biển báo cấm quay xe 124a là 23 mili-giây, biển báo cấm bóp còi 128 là 24 mili-giây, biển báo cấm đỗ xe ngày lẻ 131b là 21 mili-giây, biển báo chỗ ngoặt nguy hiểm 201a là 20 mili-giây và biển báo giao nhau với đường ưu tiên 208 chỉ mất đúng 20 mili-giây.

Thứ ba, toàn bộ hệ thống đạt tốc độ xử lý khung hình thời gian thực xấp xỉ 20 khung hình trên giây ở độ phân giải camera 640x480 pixel, giảm tải hơn 40% chi phí tính toán so với các giải pháp quét trượt toàn phần (sliding window).

Thứ tư, phương pháp phân đoạn hình học Watershed kết hợp trích xuất đặc trưng hình dáng bên trong đã tách thành công 100% các trường hợp hai biển báo đặt cạnh nhau hoặc dính liền trên cùng một cột mốc giao thông.

Thảo luận kết quả

Khả năng đáp ứng thời gian thực và độ chính xác cao của hệ thống bắt nguồn từ việc kết hợp phân tầng thông minh giữa đặc trưng màu sắc và hình học trước khi đưa vào bộ phân lớp SVM. Việc chuẩn hóa và loại bỏ độ chói sáng trong không gian màu HSV giúp hệ thống duy trì tính bất biến trước sự thay đổi liên tục của thời tiết. So sánh với phương pháp trích xuất đặc trưng Haar-like kết hợp AdaBoost của các nghiên cứu trước đây vốn đạt độ chính xác trung bình khoảng 92.97%, giải pháp trong luận văn cho thấy tốc độ phân lớp vượt trội hơn 30% và giảm thiểu rõ rệt tỷ lệ nhận diện sai lệch.

Dữ liệu thực nghiệm của hệ thống có thể được trình bày trực quan thông qua bảng ma trận nhầm lẫn (confusion matrix) chi tiết cho 52 lớp biển báo và biểu đồ cột biểu diễn thời gian đáp ứng tính bằng mili-giây của từng nhóm biển báo cấm, nguy hiểm và hiệu lệnh. Biểu đồ cho thấy các biển báo có cấu trúc hình học đơn giản như hình tam giác viền đỏ (nhóm 200) có thời gian xử lý nhanh hơn khoảng 15% so với nhóm biển báo cấm hình tròn có nhiều chi tiết phức tạp bên trong. Điều này khẳng định tính ưu việt của giải thuật trích xuất bất biến mômen Affine khi xử lý các đa giác đều trong không gian 2 chiều.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và đưa hệ thống phát hiện biển báo giao thông vào ứng dụng thương mại rộng rãi, bốn giải pháp trọng tâm được đề xuất như sau:

Thứ nhất, tích hợp trực tiếp mô-đun phần mềm vào hệ thống vi điều khiển trung tâm của các dòng xe ô tô thông minh và xe tự hành, đặt mục tiêu nâng tốc độ xử lý lên trên 30 khung hình trên giây ở độ phân giải Full HD, hoàn thành triển khai thử nghiệm trong lộ trình 12 tháng do các kỹ sư hệ thống nhúng phối hợp cùng các nhà sản xuất linh kiện ô tô thực hiện.

Thứ hai, nâng cấp giải thuật phát hiện ban đêm bằng cách tích hợp camera hồng ngoại và mở rộng cơ sở dữ liệu lên hơn 120 loại biển báo toàn diện theo Quy chuẩn kỹ thuật quốc gia, hướng tới mục tiêu nâng độ chính xác tổng thể lên trên 98.5%, thực hiện trong giai đoạn 2026 - 2027 do các nhóm nghiên cứu thị giác máy tính chủ trì.

Thứ ba, chuẩn hóa bộ dữ liệu mở về hình ảnh giao thông đường bộ Việt Nam với quy mô trên 10.000 mẫu ảnh gán nhãn đa dạng điều kiện môi trường, hoàn thành trong vòng 6 tháng dưới sự điều phối của các cơ quan quản lý giao thông và các trường đại học kỹ thuật.

Thứ tư, tối ưu hóa mức tiêu thụ năng lượng của phần cứng xuống dưới mức 5 Watt thông qua việc chuyển đổi mã nguồn thuật toán sang các dòng chip xử lý chuyên dụng NPU hoặc GPU nhúng thế hệ mới, hoàn tất kiểm chuẩn trong thời gian 9 tháng do các doanh nghiệp công nghệ giao thông thông minh đảm trách.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị thực tiễn sâu sắc cho 4 nhóm đối tượng chính:

Thứ nhất, các kỹ sư phát triển phần mềm nhúng và IoT giao thông: Luận văn cung cấp tài liệu hướng dẫn chi tiết từng bước về quy trình cross-compile thư viện OpenCV, xây dựng hệ điều hành nhúng Linux, tối ưu hóa Qt Creator trên nền vi xử lý lõi ARM Cortex-A9 để áp dụng trực tiếp vào sản phẩm thương mại.

Thứ hai, các nhà nghiên cứu và học viên cao học ngành Thị giác máy tính: Cung cấp tài liệu tham khảo chất lượng cao về phương pháp phân đoạn màu HSV Achrom, bất biến mômen Affine và kỹ thuật phân lớp SVM với dữ liệu thực tế tại Việt Nam.

Thứ ba, các doanh nghiệp sản xuất thiết bị hỗ trợ lái xe và camera hành trình: Giúp doanh nghiệp định hình giải pháp công nghệ giá thành thấp, tối ưu hóa phần cứng sẵn có nhằm thương mại hóa các thiết bị cảnh báo an toàn giao thông thông minh.

Thứ tư, các cơ quan quản lý và quy hoạch hạ tầng đô thị: Cung cấp cơ sở khoa học để xây dựng hệ thống xe kiểm định tự động, phục vụ công tác rà soát, đánh giá chất lượng và số hóa biển báo giao thông trên toàn quốc.

Câu hỏi thường gặp

Hệ thống nhúng trên kit FriendlyARM Tiny4412 có thực sự đáp ứng được yêu cầu thời gian thực khi xe di chuyển tốc độ cao không?

Hệ thống hoàn toàn đáp ứng thời gian thực nhờ tốc độ xử lý đạt 20 khung hình trên giây và thời gian nhận diện mỗi biển chỉ từ 20 đến 24 mili-giây. Với tốc độ di chuyển 60 km/h của xe, khoảng cách giữa các khung hình liên tiếp chỉ tương đương 0.8 mét, đảm bảo phát hiện biển báo từ khoảng cách xa trước 15 đến 20 mét để cảnh báo kịp thời cho tài xế.

Tại sao luận văn lại chuyển đổi ảnh sang không gian màu HSV thay vì xử lý trực tiếp trên hệ màu RGB tiêu chuẩn?

Không gian màu RGB rất nhạy cảm với sự thay đổi của cường độ ánh sáng, dễ gây sai lệch lớn khi xe đi vào vùng bóng râm hoặc bị chói nắng. Không gian HSV tách biệt hoàn toàn kênh màu sắc Hue và độ bão hòa Saturation khỏi cường độ sáng Value, giúp giải thuật phân đoạn màu HSV Achrom đạt độ chính xác cao trên 97.6% trong mọi điều kiện chiếu sáng.

Thuật toán xử lý như thế nào khi biển báo bị xoay nghiêng hoặc biến dạng góc nhìn do camera đặt lệch hướng?

Hệ thống ứng dụng phương pháp bất biến mômen Affine (Affine Moment Invariant) kết hợp các phép biến đổi hình học 2D. Thuật toán này có khả năng trích xuất các đặc trưng hình học không đổi của hình tròn và hình tam giác ngay cả khi biển báo bị xoay góc, biến dạng phối cảnh hoặc lệch tỷ lệ chiều rộng và chiều cao do góc quay của camera.

Thuật toán SVM có ưu điểm gì vượt trội so với Mạng Nơ-ron nhân tạo (ANN) khi triển khai trên phần cứng nhúng?

Thuật toán SVM xây dựng mặt siêu phẳng phân lớp dựa trên tập vectơ hỗ trợ lề tối đa, giúp mô hình đạt độ chính xác cao mà không đòi hỏi số lượng tham số khổng lồ như mạng ANN. Nhờ đó, SVM tiết kiệm tài nguyên bộ nhớ RAM, hạn chế tối đa hiện tượng quá khớp và rút ngắn thời gian tính toán nhận dạng xuống chỉ còn khoảng 20 mili-giây.

Luận văn đã thử nghiệm và nhận diện thành công bao nhiêu loại biển báo giao thông tại Việt Nam?

Luận văn đã xây dựng cơ sở dữ liệu và thử nghiệm thành công trên 52 loại biển báo giao thông đường bộ Việt Nam. Danh mục này bao gồm 20 loại biển báo cấm phổ biến, 22 loại biển báo nguy hiểm cảnh báo chướng ngại vật và chỗ ngoặt, cùng 10 loại biển báo hiệu lệnh chỉ dẫn hướng đi bắt buộc theo quy chuẩn hiện hành.

Kết luận

Nghiên cứu đã giải quyết trọn vẹn và hiệu quả bài toán phát hiện, nhận dạng biển báo giao thông đường bộ trên nền tảng phần cứng nhúng với 5 kết quả nổi bật:

• Làm chủ hoàn toàn kỹ thuật tiền xử lý ảnh và thuật toán phân đoạn màu HSV Achrom đạt hiệu suất nhận diện chính xác 97.6%.
• Ứng dụng thành công phương pháp trích xuất hình học Affine Moment Invariant kết hợp phân đoạn Watershed để tách biệt các biển báo dính liền.
• Tối ưu hóa bộ phân lớp SVM trên kit nhúng FriendlyARM Tiny4412 vi xử lý lõi tứ Exynos4412 1.5 GHz, đạt tốc độ nhận diện cực nhanh từ 20 đến 24 mili-giây cho mỗi biển báo.
• Đảm bảo tốc độ xử lý toàn khung hình đạt xấp xỉ 20 khung hình trên giây trên luồng video 640x480 pixel, đáp ứng hoàn hảo tiêu chuẩn thời gian thực.
• Thử nghiệm thành công trên 52 loại biển báo giao thông thuộc 3 nhóm biển cấm, biển nguy hiểm và biển hiệu lệnh tại Việt Nam.

Công trình đóng góp một kiến trúc hệ thống hỗ trợ lái xe an toàn DAS hoàn chỉnh, kết hợp hài hòa giữa phần cứng nhúng chi phí thấp và thuật toán xử lý ảnh thông minh. Để tiếp tục khai thác và mở rộng kết quả nghiên cứu, các nhóm phát triển công nghệ được khuyến khích tích hợp mô hình lên các nền tảng chip AI chuyên dụng và mở rộng bộ dữ liệu thực tế, góp phần hiện thực hóa các giải pháp giao thông thông minh và xe tự hành an toàn tại Việt Nam.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA TP HCM TRẦN QUANG HOÀNG GIANG HỆ THỐNG PHÁT HIỆN VÀ NHẬN DIỆN BIỂN BÁO GIAO THÔNG TRÊN KIT FRIENDLY ARM Chuyên ngành: Kỹ Thuật Điện Tử Mã số: 60 52 02 03 LUẬN VĂN THẠC SĨ TP. Hồ Chí Minh, tháng 01 năm 2016 Công trình được hoàn thành tại: Trường Đại học Bách Khoa –ĐHQG-HCM Cán bộ hướng dẫn khoa học : TS Trương Quang Vinh. (Ghi rõ họ, tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 1 : PGS.TS Lê Tiến Thường.

(Ghi rõ họ, tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 2 : TS. (Ghi rõ họ, tên, học hàm, học vị và chữ ký) Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp. tháng 01 năm 2016 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ) 1. Lê Chí Thông 2.TS Lê Tiến Thường 3.

UV: TS Nguyễn Minh Sơn 5. Trương Quang Vinh Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có). CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA ĐIỆN- ĐIỆN TỬ ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập – Tự do – Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: TRẦN QUANG HOÀNG GIANG MSSV: 13141117 Ngày, tháng, năm sinh: 25/09/2988 Nơi sinh: Quảng Ngãi Chuyên ngành: Kỹ Thuật Điện Tử Mã số: 60 52 02 03 I. TÊN ĐỀ TÀI: HỆ THỐNG PHÁT HIỆN VÀ NHẬN DIỆN BIỂN BÁO GIAO THÔNG TRÊN KIT FRIENDLY ARM NHIỆM VỤ VÀ NỘI DUNG: Tìm hiểu, xây dựng giải thuật và thiết kế hệ thống phát hiện và nhận diện biển báo giao thông tại Việt Nam, thực hiện trên kít nhúng FriendlyARM.

NGÀY GIAO NHIỆM VỤ: 17/08/2015 III. NGÀY HOÀN THÀNH NHIỆM VỤ: 04/12/2015 IV. CÁN BỘ HƯỚNG DẪN: TS. TRƯƠNG QUANG VINH Tp.

HCM, ngày …… tháng …… năm 2016 CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên và chữ ký) (Họ tên và chữ ký) TRƯỞNG KHOA ĐIỆN ĐIỆN TỬ (Họ tên và chữ ký LỜI CÁM ƠN Em xin gởi đến TS. Trương Quang Vinh lời cảm ơn chân thành với sự trân trọng và lòng biết ơn sâu sắc về sự hướng dẫn đầy chu đáo và nhiệt tình. Thầy đã dẫn dắt, tạo cho em cách tư duy và làm việc một cách khoa học, hướng em đến đề tài khoa học mới mẻ, tiếp cận với các công nghệ hiện đại. Em xin chân thành cám ơn các thầy cô ngành Kỹ Thuật Điện Tử đã hết lòng dạy dỗ và truyền đạt cho em những kiến thức quý báu.

Con xin gởi đến cha mẹ lòng kính trọng và biết ơn sâu sắc nhất. Cha mẹ đã nuôi nấng dạy dỗ con nên người và là chỗ dựa tinh thần vững chắc cho con trong cuộc đời. Tôi xin cảm ơn các bạn đã cùng học tập, giúp đỡ, động viên và cùng tôi bước trên con đường nghiên cứu này. Hồ Chí Minh, tháng 01 năm 2016 Học viên TRẦN QUANG HOÀNG GIANG -i- TÓM TẮT LUẬN VĂN Luận văn trình bày hệ thống nhúng phát hiện và nhận dạng biển báo giao thông hỗ trợ lái xe an toàn thuận tiện hơn.

Hệ thống sử dụng bộ thư viện mã nguồn mở OpenCV do Intel phát triển và được thực hiện trên kit Friendly Arm Tiny 4412 với vi xử lý Samsung Exynos4412 ARM Cortex-A9 (Quad-Core) 1. Hệ thống thu thập hình ảnh biển báo thông qua camera được gắn trên xe từ đó phát hiện, theo dõi và nhận dạng biển báo hiển thị lên màn hình cho tài xế biết được loại biển báo.