03.05.2024; Київ, Україна: II Міжнародна наукова конференція «Розвиток наук в умовах нової реальності: проблеми та перспективи»
Роботи, що індексуються в Google Scholar

ВИКОРИСТАННЯ СЕГМЕНТАЦІЇ СМУГ НА ДОРОЗІ ДЛЯ ВИЯВЛЕННЯ ДОРОЖНІХ ЗНАКІВ ТА ПОКРАЩЕННЯ СИСТЕМ НАВІГАЦІЇ

  • Любомир Древич ,
  • Євген Буров
DOI: https://doi.org/10.62731/mcnd-03.05.2024.003
PDF

Опубліковано 14.05.2024

Як цитувати

Древич , Л., & Буров , Є. (2024). ВИКОРИСТАННЯ СЕГМЕНТАЦІЇ СМУГ НА ДОРОЗІ ДЛЯ ВИЯВЛЕННЯ ДОРОЖНІХ ЗНАКІВ ТА ПОКРАЩЕННЯ СИСТЕМ НАВІГАЦІЇ. Матеріали конференцій МЦНД, (03.05.2024; Київ, Україна), 131–138. https://doi.org/10.62731/mcnd-03.05.2024.003

Завантаження

Дані завантаження ще не доступні.

Авторське право (c) 2024 Любомир Древич ; Євген Буров (Науковий керівник)

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.

Google Scholar

Анотація

Зростаюча потреба в автономних системах навігації та керування автомобілями надихає на розвиток технологій, спрямованих на виявлення дорожніх знаків з використанням сегментації смуг на дорозі. Ця стаття пропонує глибокий огляд методів сегментації смуг у контексті автоматизованих систем керування дорожнім рухом. Починаючи з традиційних підходів, таких як порогові алгоритми та фільтри, і переходячи до сучасних методів на основі машинного навчання та технологій комп'ютерного зору, стаття розглядає різні методи та їхні переваги та обмеження. Особлива увага приділяється проблемам і викликам, що виникають при сегментації смуг у складних умовах дорожнього руху, таких як погодні умови та рух поблизу будівель або перешкод. Розглядаються також вплив динамічних змін у дорожніх умовах на ефективність різних методів сегментації смуг. Додатково аналізуються можливості адаптації методів сегментації смуг до різних типів доріг та умов дорожнього руху, щоб забезпечити надійність та точність в будь-яких умовах.

PDF

Посилання

  1. A. Hechri та A. Mtibaa, "Automatic detection and recognition of road sign for driver assistance system," 2012 16th IEEE Mediterranean Electrotechnical Conference, YasmineHammamet, 2012, pp. 888-891, doi: 10.1109/MELCON.2012.6196571.
  2. V. A. Prisacariu, R. Timofte, K. Zimmermann, I. Reid та L. V. Gool, "Integrating Object Detection with 3D Tracking Towards a Better Driver Assistance System," 2010 20th International Conference on Pattern Recognition, Istanbul, 2010, pp. 3344-3347, doi: 10.1109/ICPR.2010.816.
  3. L. Yang, K. Kwon, K. Moon, S. Lee та S. Kwon, "Broken traffic sign recognition based on local histogram matching," 2012 Computing, Communications and Applications Conference, Hong Kong, 2012, pp. 415-419, doi: 10.1109/ComComAp.2012.6154884.
  4. S. Lafuente-Arroyo, P. Gil-Jimenez, R. Maldonado-Bascon, F. Lopez-Ferreras та S. Maldonado-Bascon, "Traffic sign shape classification evaluation I: SVM using distance to borders," IEEE Proceedings. Intelligent Vehicles Symposium, 2005., Las Vegas, NV, USA, 2005, pp. 557-562, doi: 10.1109/IVS.2005.1505162.
  5. Yuan Xie, Li-Feng Liu, Cui-Hua Li та Yan-Yun Qu, "Unifying visual saliency with HOG feature learning for traffic sign detection," 2009 IEEE Intelligent Vehicles Symposium, Xi'an, 2009, pp. 24-29, doi: 10.1109/IVS.2009.5164247.
  6. J. F. Khan, R. R. Adhami та S. M. A. Bhuiyan, "Image segmentation based road sign detection," IEEE Southeastcon 2009, Atlanta, GA, 2009, pp. 24-29, doi: 10.1109/SECON.2009.5174040.
  7. Y. Huang, Y. Le та F. Cheng, "A Method of Detecting and Recognizing Speed-limit Signs," 2012 Eighth International Conference on Intelligent Information Hiding and Multimedia Signal Processing, Piraeus, 2012, pp. 371-374, doi: 10.1109/IIH-MSP.2012.96.
  8. J. Greenhalgh та M. Mirmehdi, "Traffic sign recognition using MSER and Random Forests," 2012 Proceedings of the 20th European Signal Processing Conference (EUSIPCO), Bucharest, 2012, pp. 1935-1939.
  9. Nisa, Syed Qamrun, та Amelia Ritahani Ismail. "Dual U-Net with Resnet Encoder for Segmentation of Medical Images." International Journal of Advanced Computer Science and Applications 13, no. 12 (2022).
  10. Marcellino, & Cenggoro, Tjeng Wawan & Pardamean, Bens. (2022). UNET++ with Scale Pyramid for Crowd Counting. ICIC Express Letters. 16. 75-82. 10.24507/icicel.16.01.75.
  11. Zou, Qin, Hanwen Jiang, Qiyu Dai, Yuanhao Yue, Long Chen, та Qian Wang. "Robust lane detection from continuous driving scenes using deep neural networks." IEEE transactions on vehicular technology 69, no. 1 (2019): 41-54.
  12. Qin, Zequn, Huanyu Wang, та Xi Li. "Ultra fast structure-aware deep lane detection." InComputer Vision–ECCV 2020: 16th European Conference, Glasgow, UK, August 23–28, 2020, Proceedings, Part XXIV 16, pp. 276-291. Springer International Publishing, 2020.
  13. Yoo, Seungwoo, Hee Seok Lee, Heesoo Myeong, Sungrack Yun, Hyoungwoo Park, Janghoon Cho, та Duck Hoon Kim. "End-to-end lane marker detection via row-wise classification." In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, pp. 1006-1007. 2020.