Chương 1: Tổng quan các thuật toán nhận dạng vật mốc, phát hiện vật cản và khoảng trống để điều khiển xe lăn điện. Bên cạnh đó, một xe lăn điện với hệ thống Stereo camera được sử dụng để tiến hành thực nghiệm trong môi trường trong nhà. Phương pháp đánh giá kết quả: so sánh kết quả thực nghiệm trong môi trường thực với các thông số tính toán của thuật toán để đưa ra mức độ chính xác của thuật toán. -5- Chương 2: Cơ sở lí thuyết Chương 2.
CƠ SỞ LÍ THUYẾT Chƣơng 2 giới thiệu về quá trình hình thành và phát triển của lĩnh vực thị giác máy tính cũng nhƣ các phƣơng pháp nhận dạng vật mốc. Trong chƣơng này cũng trình bày về mô hình setreo camera với các lý thuyết cơ bản phục vụ cho việc tính toán các thông số dùng để áp dụng vào các thuật toán đƣợc sử dụng trong đề tài.1 Thị giác máy tính 2.1 Giới thiệu Thị giác máy tính là một lĩnh vực nghiên cứu phức tạp đòi hỏi nhiều về sức mạnh tính toán. Sự phát triển của công nghệ máy tính đã tạo thuận lợi rất lớn cho xử lý ảnh và thị giác máy tính. Từ đây công việc xƣ̉ lý những tâ ̣p dữ liệu lớn nhƣ hình ảnh trở nên nhanh chóng và dễ dàng hơn.
Vì thế lĩnh vực thị giác máy tính đƣợc nhắc đến và nghiên cứu nhiều hơn, đƣợc ứng dụng rộng rãi hơn trong khoa học kỹ thuật hiện đại. Thị giác máy tính bao gồm lý thuyết và các kỹ thuâ ̣t liên quan nhằm mục đích tạo ra một hệ thống nhân tạo có thể tiếp nhâ ̣n thông tin từ các hình ảnh thu đƣợc hoặc từ các tâ ̣p dữ liệu đa chiều. Đối với con ngƣời, việc nhận thức môi trƣờng xung quanh là một điều dễ dàng. Tuy nhiên đối với máy tính hay một hệ thống xử lý thì điều này hoàn toàn khó khăn.
Thị giác máy tính cung cấp cho máy tính hay một hệ thống xử lý các thông tin về môi trƣờng bên ngoài thông qua hình ảnh chụp lại từ máy chụp ảnh. Các thông tin này qua quá trình phân tích , xƣ̉ lý và kết hợp với các mô hình nhƣ máy học, fuzzy, mạng nơron. sẽ giúp cho thiết bị tiến dần tới một hệ thống nhân tạo có khả năng ra quyết định chính xác và linh hoạt hơn rất nhiều. Lĩnh vực nghiên cứu của thị giác máy tính rất đa dạng và liên quan đến nhiều lĩnh vực khác nhau.
Sẽ có rất nhiều hƣớng giả quyết, phƣơng pháp thực hiện -6- Chương 2: Cơ sở lí thuyết tƣơng ứng áp dụng cho các lĩnh vực. Mỗi hƣớng giải quyết, mỗi phƣơng pháp đều đạt đƣợc một kết quả nhất định cho những trƣờng hợp cụ thể trong các ứng dụng khác nhau.2 Hệ thống thị giác máy tính Cấu trúc của một hệ thống thị giác máy tính phụ thuộc nhiều vào ứng dụng cụ thể của hệ thống đó, vì thế mỗi một hệ thống lại có một cấu trúc riêng biệt. Tuy nhiên, khi tổng hợp những cấu trúc này lại thì có thể nhâ ̣n thấy đƣợc các thành phần đặc trƣng thƣờng xuất hiện trong một hệ thống thị giác. Thu thập hình ảnh: Quá trình này thu thâ ̣p d ữ liệu ảnh từ các máy chụp ảnh.
Tiền xử lý: Ảnh sau khi đƣợc thu thâ ̣p c ần phải qua quá trình tiền xƣ̉ lý ảnh để thỏa mãn một số yêu cầu nhƣ lấy mẫu lại để hiệu chỉnh tọa độ điểm các ảnh liên tiếp, loại bỏ nhiễu để giảm thông tin sai hay tăng độ tƣơng phản để đảm bảo xác định đƣợc các thông tin cần thiết. Trích xuất đặc điểm: Dữ liệu trong một ảnh là rất nhiều tuy nhiên không phải dữ liệu nào cũng hữu ích. Vì thế trong giai đoạn này, hệ thống sẽ trích xuất ra những đặc điểm cơ bản nhất trong ảnh phục vụ cho các quá trình tiếp theo. Những đặc điểm này thƣờng là đƣờng thẳng, cạnh, góc và đặc điểm phức tạp nhƣ dấu vân, hình dáng hay chuyển động.
Dò tìm hay phân vùng: Đối tƣợng cần quan tâm có thể nằm ở bất kỳ đâu trong một ảnh, vì thế cần phân ảnh thành những vùng ảnh và tìm ra vùng ảnh quan tâm hoặc chứa đối tƣợng quan tâm để xƣ̉ lý. Muốn phân vùng phải dựa vào những đặc điểm của ảnh. Xử lý mức cao: Ở buớc này các tâ ̣p d ữ liệu chỉ là một tâ ̣p đi ểm ảnh hoặc vùng ảnh chứa đối tƣợng cần quan tâm và những đặc điểm của đối tƣợng đã đƣợc trích xuất ra. Vấn đề còn lại là sƣ̉ d ụng các thuâ ̣t toán đ ể xƣ̉ lý đối tƣợng theo yêu cầu đề ra.
-7- Chương 2: Cơ sở lí thuyết 2.3 Lĩnh vực ứng dụng của thị giác máy tính Thị giác máy tính có tính ứng dụng cao, từ những lĩnh vực khoa học, y học, sản xuất cho đến quân sự. Đầu tiên có thể kể đến là ứng dụng trong y học. Việc chuẩn đoán bệnh cho các bệnh nhân có thể đƣợc hỗ trợ từ hệ thống thị giác máy tính thông qua việc phân tích và trích xuất những thông tin đặc trƣng từ ảnh. Những ảnh này đƣợc chụp từ kính hiển vi, máy X quang, chụp động mạch, siêu âm hay từ máy chụp cắt lớp.
Ngoài ra thị giác máy tính cũng có thể hỗ trợ việc đo kích thƣớc cơ quan, lƣu lƣợng máu, cấu trúc tế bào. Thứ hai là trong công nghiệp, trong lĩnh vực này thị giác máy tính đôi khi còn đƣợc gọi là thị giác máy. Thông tin đặc trƣng trong ảnh giúp kiểm soát quá trình sản xuất nhƣ chất lƣợng sản phẩm, tìm kiếm lỗi khuyết tâ ̣t , kích thƣớc sản phẩm hay vị trí và hƣớng của cánh tay robot. Trong quân sự, hệ thống thị giác máy tính đƣợc ứng dụng trong hệ thống phát hiện chuyển động , nhâ ̣n dạng , hay phức tạp hơn là hƣớng dẫn hệ thống tên lƣ̉a.
Một ứng dụng khác khá phổ biến của thị giác máy tính là cho phƣơng tiện tự hành , từ tàu lặn , máy bay không ngƣời lái , hệ thống hỗ trợ lái xe phát hiện vâ ̣t cản. Ngoài ra còn rất nhiều những ứng dụng hữu ích khác trong thực tế.2 Không gian màu RGB và phương pháp nhận dạng màu sắc sử dụng không gian màu RGB 2.1 Không gian màu RGB Mô hình màu RGB là một mô hình trong đó màu đỏ, xanh lá cây và màu xanh da trời là 3 thành phần màu cơ bản đƣợc trộn vào theo những cách khác nhau để tạo ra một loạt các màu sắc. Màu sắc và cƣờng độ của nó phụ thuộc vào tỷ lệ của các màu cơ bản. Thành phần màu còn đƣợc gọi là kênh màu hoặc mặt phẳng màu.
Trong mô hình màu RGB, một ảnh màu có thể đƣợc đại diện bởi hàm cƣờng độ.1) -8- Chương 2: Cơ sở lí thuyết Trong phƣơng trình (2. Cƣờng độ của mỗi kênh màu thƣờng đƣợc lƣu trữ bằng cách sử dụng 8 bit, tƣơng ứng 256 mức lƣợng tử. Do đó, một điểm ảnh trong một ảnh màu yêu cầu 24 bit để lƣu trữ. Một bộ nhớ 24 bit có thể diễn tả 16.216 màu sắc khác biệt.
Số lƣợng các màu sắc phải đáp ứng đầy đủ các hiệu ứng hiển thị của hầu hết các hình ảnh.1 Sự pha trộn màu sắc trong không gian màu RGB 2.2 Phương pháp nhận dạng màu sắc sử dụng không gian màu RGB Phƣơng pháp nhận dạng màu sắc sử dụng không gian màu RGB là một phƣơng pháp đơn giản, có hiệu quả trong một số trƣờng hợp cụ thể. Phƣơng pháp này dựa vào giá trị các màu thành phần RGB trong một điểm ảnh để nhận dạng màu sắc của điểm ảnh đó. Chẳng hạn đối với một điểm ảnh có giá trị các màu thành phần là (255,0,0), dựa vào bảng 2.1 có thể kết luận điểm ảnh đó có màu đỏ. -9- Chương 2: Cơ sở lí thuyết Mã Hex Mã thập phân Màu sắc Tên gọi #RRGGBB (R,G,B) Black #000000 (0,0,0) White #FFFFFF (255,255,255) Red #FF0000 (255,0,0) Lime #00FF00 (0,255,0) Blue #0000FF (0,0,255) Yellow #FFFF00 (255,255,0) Cyan / Aqua #00FFFF (0,255,255) Magenta / Fuchsia #FF00FF (255,0,255) Silver #C0C0C0 (192,192,192) Gray #808080 (128,128,128) Maroon #800000 (128,0,0) Olive #808000 (128,128,0) Green #008000 (0,128,0) Purple #800080 (128,0,128) Teal #008080 (0,128,128) Navy #000080 (0,0,128) Bảng 2.1 Bảng phân tích các màu thành phần RGB của một số màu cơ bản Hình 2.2 Ảnh cần nhận dạng màu đỏ Hình 2.3 Nhận dạng màu đỏ với m = 20 - 10 - Chương 2: Cơ sở lí thuyết Phân tích ảnh màu nhƣ hình 2.2, có một quả bóng màu đỏ ở giữa ảnh.
Nhận thấy rằng các điểm ảnh trong quả bóng này sẽ có thành phần màu đỏ nhiều hơn bất kỳ các điểm ảnh khác và đồng thời ta có: (FR > m + FG, FR > m + FB), trong đó m là giá trị ngƣỡng đƣợc xác định dựa vào bảng phân tích thông số màu sắc. Tiến hành thực hiện việc so sánh trên tất cả các điểm ảnh. Điểm ảnh nào thỏa điều kiện đƣợc chuyển thành điểm ảnh màu trắng trong ảnh đơn sắc và ngƣợc lại, điểm ảnh nào không thỏa điều kiện đƣợc chuyển thành điểm ảnh màu đen nhƣ hình 2. Đối với việc nhận dạng các màu khác cũng đƣợc thực hiện tƣơng tự nhƣ đối với quá trình nhận dạng màu đỏ.3 Không gian màu HSV và phương pháp nhận dạng màu sắc sử dụng không gian màu HSV 2.1 Không gian màu HSV HSV (Hue – Saturation - Value) là biểu diễn về màu sắc, độ bão hòa và độ sáng của một điểm ảnh trong mô hình màu RGB dƣới dạng một tọa độ hình trụ.4 Không gian màu HSV Trong hình 2.4, các góc xung quanh trục thẳng đứng tƣơng ứng với "màu sắc", khoảng cách từ trục tƣơng ứng với "độ bão hòa" và khoảng cách dọc theo trục tƣơng ứng với "độ sáng".
Thành phần màu bắt đầu từ màu đỏ chính ở 0°, đi qua các màu xanh lá cây chính ở 120°, màu xanh da trời chính ở 240°, và sau đó trở lại màu đỏ ở 360°. Các trục dọc trung tâm bao gồm các màu sắc trung tính, - 11 - Chương 2: Cơ sở lí thuyết không sắc, hoặc màu xám, dao động từ màu đen nhạt ở giá trị 0 phía dƣới đến màu trắng nhạt ở giá trị 1 phía trên. Trong HSV, pha trộn những màu sắc tinh khiết với màu trắng tạo ra sắc thái màu, làm giảm độ bão hòa; khi pha trộn với màu đen tạo ra độ bóng, giữ lại độ bão hòa không thay đổi.5 Bố trí các màu cơ bản theo góc tọa độ HSV là mô hình đƣợc xây dựng từ khối lập phƣơng RGB, với số lƣợng thành phần của màu đỏ, xanh lá cây và màu xanh da trời ký hiệu là R, G, B ∈ [0, 1], và xoay nó trên góc của nó.