Введение

С каждым годом количество автомобилей в мире возрастает, соответственно возрастает и количество дорожно-транспортных происшествий. В связи с этим все больше внимания уделяется автомобильным системам интеллектуальной обработки информации и принятия решений. Инженерами разных стран мира разработано множество систем активной безопасности для автомобилей таких, как ABS (антиблокировочная система), EBD (система распределения тормозных усилий), ESP (система динамической стабилизации автомобиля) и многие другие. Одной из наиболее современных является система распознавания дорожных знаков и дорожной разметки, функциональные возможности которой заключаются в оповещении водителя о наличии дорожных знаков в поле зрения камеры и предупреждении о приближении к опасным участкам дороги.

Идентификация дорожных знаков относится к актуальной и сложной научно-практической задаче распознавания образов. В настоящее время в этой области ведутся интенсивные исследования. Результатом этих работ стало появление коммерческих интеллектуальных систем, основной особенностью которых является закрытость алгоритма функционирования. Серийные автомобили, оснащенные системой распознавания дорожных знаков и дорожной разметки, появились на рынке в 2010 – 2011 гг. Однако многие системы подобного рода основаны на алгоритмах с высокой ресурсоемкостью, что затрудняет их использование в системах реального времени.

Цель данной работы заключается в разработке алгоритма, осуществляющего распознавание дорожных знаков ограничения скорости, основной особенностью которого является высокая скорость обработки кадров (не менее 10 кадров/с). Достижение этой цели подразумевает решение следующих задач: преобразование цветового пространства; удаление шумов; выделение областей интереса; верификация объектов интереса; идентификация дорожного знака .

Преобразование цветового пространства кадров видеосигнала

Все дорожные знаки ограничения скорости имеют два общих признака – контур красного цвета и круглую форму знака (рис. 1). Поэтому первой стадией обработки кадров видеосигнала является выделение областей красного цвета.

Рис. 1. Дорожные знаки ограничения скорости

Входной видеосигнал состоит из последовательности изображений (кадров), каждое из которых представлено в цветовом пространстве RGB и фактически представляет собой матрицу размерностью M×N×3, состоящую из целых чисел в диапазоне , которые определяют цвет каждого пикселя изображения. В таком цветовом пространстве поиск областей красного цвета предполагает одновременный анализ трех составляющих, при этом изменение составляющей R будет влиять на допустимые значения составляющих G и B. Поэтому целесообразно использование цветового пространства HSV, в котором эффективность выделения красного цвета выше по сравнению с RGB пространством.

HSV (Hue, Saturation, Value - тон, насыщенность, значение) - цветовая модель, в которой координатами цвета являются:

• Hue - цветовой тон , (например, красный , зелёный или сине-голубой). Варьируется в пределах 0-360°, однако иногда приводится к диапазону 0-100 или 0-1.
• Saturation - насыщенность . Варьируется в пределах 0-100 или 0-1. Чем больше этот параметр, тем «чище» цвет, поэтому этот параметр иногда называют чистотой цвета . А чем ближе этот параметр к нулю , тем ближе цвет к нейтральному серому .
• Value (значение цвета). Также задаётся в пределах 0-100 и 0-1.

Цветовая модель HSV наиболее близкая к человеческому восприятию цветов.

Преобразование изображения из цветовой модели RGB в цветовую модель HSV производится по следующим формулам :

Если H < 0, то H = H + 360.

После данных преобразований координаты цвета будут находиться в следующих диапазонах: .

Цвет дорожных знаков меняется в зависимости от освещения. Так пороговые значения цветового тона (Hue) для дорожных знаков с красным контуром в дневное время будут отличаться от пороговых значений цветового тона (Hue) для этих знаков в ночное время. В связи с эффектом отражения света от поверхности дорожных знаков, например, при свете автомобильных фар или уличного освещения в ночное время красный цвет на знаках может восприниматься как оранжевый. Поэтому нами экспериментально были подобраны пороговые значения координат цвета в различных погодных условиях и при различной освещенности (табл. 1).

Таблица 1. Пороговые значения координат цвета, используемые для выделения красного цвета

Цветовое пространство	Ясный день	Дождь/Влажность	Вечер	Ночь
	129 0 0	129 0 0	156 0 0	100 0 0
YCbCr	40 100 140	30 100 150	60 77 170	27 70 156
	30 15 0	15 15 0	15 15 0	15 15 0
	300 0.7 0.5	300 0.7 0.5	300 0.7 0.5	22 0.7 0.5

Как видно из результатов таблицы 1 цветовое пространство HSV является наиболее подходящим для выделения красного цвета, т.к. пороговые значения координат цвета практически в любых условиях постоянны и только в ночное время пороговые значения цветового тона (Hue) отличны.

Выделение объектов красного цвета на кадрах видеосигнала после их конвертации в цветовое пространство HSV производится следующим образом:

Суммарная матрица изображения размером M×N×3 разделяется на три матрицы размером M×N, которые соответствуют трем компонентам цвета H, S и V.


Над каждой из матриц H, S, V производится пороговое преобразование в соответствии с пороговыми значениями из таблицы 1 такое, что если компонент матрицы попадает в интервал между пороговыми значениями, то яркость данного пикселя равна 1, в противном случае – 0. В результате данной операции получаются три матрицы со значениями компонентов 0 или 1.


Модифицированные матрицы H*, S*, V* объединяются с помощью выполнения над ними операции логического И. В результате получается бинарное изображение, на котором белые области соответствуют объектам красного цвета, а черные – всему остальному.

Рис. 2. Функции пороговой обработки

Рис. 3. Выделение красного цвета на изображении: а – исходное изображение; б – результат порогового преобразования

Удаление шумов с помощью морфологической фильтрации изображения

Морфологическая фильтрация представляет собой применение к, как правило, бинарному изображению следующих операций: расширение, сужение, открытие, закрытие.

Расширение - это свёртка некоторого изображения (или области изображения), которое мы будем называть A, с некоторым ядром, которое мы будем называть B. Ядро имеет точку привязки (якорь) и может быть любых форм и размеров. Чаще всего ядро имеет квадратную форму с точкой привязки в центре. Ядро может рассматриваться как шаблон или маска, и его эффект на расширение зависит от оператора локального максимума. Когда ядро “скользит” над изображением вычисляется максимальное значение пикселя перекрываемого B, и затем значение пикселя лежащего под опорной точкой заменяется этим максимальным значением. Это вызывает появление ярких областей на изображении.

Сужение - обратная операция. Действие оператора сужения заключается в вычислении локального минимума под ядром. Данный оператор создаёт новое изображение на основе исходного по следующему алгоритму: когда ядро “скользит” над изображением вычисляется минимальное значение пикселя перекрываемого B, и затем значение пикселя лежащего под опорной точкой заменяется этим минимальным значением.

Суть операции сужения в том, что вкрапления и шумы размываются, в то время как большие и соответственно более значимые регионы не затрагиваются. А идея операции расширения – найти регионы аналогичного цвета и интенсивности и попытаться их объединить. Полезность расширения возникает, потому что во многих случаях большая область разбита на несколько более мелких, шумами, тенями и т.д. Применение небольшого расширения должно привести к тому, что эти области “сплавятся” в одну.

Операции открытие и закрытие, представляют собой комбинацию операций сужения и расширения. В случае открытия сначала выполняется сужение, а затем расширение. В операторе закрытия наоборот сначала выполняется расширение, а затем сужение. Закрытие может использоваться для устранения нежелательных шумов.

Результаты морфологической фильтрации представлены на рис. 4. Из рисунка следует, что фильтрация эффективно удаляет шумы на изображении и способствует увеличению точности последующей верификации объектов интереса.

Рис. 4. Удаление шумов на изображении с помощью морфологической операции закрытие: а – изображение с шумом; б – изображение после фильтрации

Верификация объектов интереса

Только цветового признака для определения принадлежности объекта из области интереса к классу дорожных знаков ограничения скорости недостаточно, так как помимо дорожных знаков на изображении могут находиться другие объекты красного цвета (например, автомобили, рекламные доски, автомобильные стоп-сигналы). Второй признак, который можно выделить для всех рассматриваемых дорожных знаков, – форма эллипса очень близкого к кругу.

Для определения наличия эллипсов (кругов) в областях интереса целесообразно применять преобразование Хафа. Данный метод предназначен для поиска объектов, принадлежащих определённому классу фигур с использованием процедуры голосования. Процедура голосования применяется к пространству параметров, из которого и получаются объекты определённого класса фигур по локальному максимуму в, так называемом, накопительном пространстве (accumulator space), которое строится при вычислении трансформации Хафа.

Точки окружности можно представить формулой:

,

где (a, b) – координаты центра окружности, а R – ее радиус.

Таким образом, формула, задающая семейство окружностей, имеет вид:

Как видно из формулы, для нахождения окружностей нужно задавать 3 параметра - координаты центра окружности и её радиус. Это приводит к увеличению пространства Хафа на целое измерение, что в итоге сказывается на скорости работы. Поэтому для поиска окружностей применяется т.н. градиентный метод Хафа (Hough gradient method).

Эффективность использования преобразования Хафа резко падает при увеличении размерности фазового пространства, поэтому перед его применением желательно минимизировать каким-либо образом количество параметров кривой. Можно существенно снизить количество кривых, потенциально проходящих через данную точку изображения, если рассматривать только кривые, касательная которой перпендикулярна градиенту яркости изображения в рассматриваемой точке. Таким образом, можно, например, свести задачу выделения окружностей с неизвестным радиусом к двумерному фазовому пространству:

Применить детектор границ Кенни для нахождения границ на изображении .


Определить центры кругов.


Относительно центра определить ненулевые точки, лежащие на одном расстоянии.

Идентификация дорожного знака

Для распознавания дорожных знаков на кадрах видеопоследовательности после определения областей интереса к данным изображениям необходимо применить алгоритмы идентификации объектов на растровом изображении с целью определения смысла дорожного знака.

Прежде всего, изображение дорожного знака из области интереса должно быть приведено к единому размеру. После чего такое изображение подается на вход модуля идентификации. В разработанной системе для распознавания дорожных знаков на изображениях из областей интереса используется нейронная сеть с архитектурой многослойный персептрон.

Исследователями были предложены многие модели нейронных сетей для распознавания дорожных знаков. Простейшая используемая в работах нейронная сеть представляет собой многослойный персептрон с количеством нейронов во входном слое равным количеству пикселей в изображении дорожного знака из области интереса, одним скрытым слоем с экспериментально подобранным числом нейронов и выходным слоем с количеством нейронов равным количеству распознаваемых дорожных знаков. Однако такая нейронная сеть не дает удовлетворительных результатов распознавания, так как является слишком общей и громоздкой.

Для увеличения скорости работы алгоритма необходимо сократить размер входного вектора признаков. В простейшем случае при размере входного изображения 30 × 30 пикселей входной вектор признаков будет состоять из 3 * 30 * 30 = 2700 компонентов – значения пикселей изображения по 3 компонентам цвета (RGB), что неприемлемо для работы системы в реальном времени.

Предлагается сократить количество компонентов входного вектора признаков следующим образом:

где – элементы матрицы A размера 90 × 30, составленной из значений пикселей входного изображения по 3 компонентам цвета (RGB).

Преобразовать входное цветное изображение в изображение в градациях серого по формуле:


C = 0.229R + 0.587G + 0.114B


где C – интенсивность серого, R, G, B – красная, зеленая и синяя составляющие соответственно.


1. Для изображения в градациях серого рассчитать 30 вертикальных (vh) и 30 горизонтальных параметров (hh) по формулам соответственно:
   

где – компоненты матрицы C, T – адаптивный порог, вычисляемый по формуле:

В результате данных преобразований количество компонентов входного вектора признаков сократится с 2700 до 63, что позволит значительно увеличить производительность алгоритма идентификации объектов на растровом изображении.

Архитектура, используемой в системе нейронной сети представлена на рисунке 5.

Рис. 5. Архитектура нейронной сети

Экспериментально было подобрано число нейронов в скрытом слое для классификации знаков ограничения скорости. Число нейронов в скрытом слое N равно 90.

Выходной слой нейронной сети состоит из 8 нейронов, каждый из которых соответствует своему дорожному знаку (таблица 2).

Таблица 2. Соответствие дорожных знаков и выходных нейронов

Результаты экспериментов применения разработанного алгоритма распознавания дорожных знаков ограничения скорости

Исследование точности и быстродействия разработанного алгоритма выполнялось в среде IDE Microsoft Visual Studio 2010 с использованием библиотеки Qt 4.7 на видеоролике участка трассы Саратов – Волгоград протяженностью 50 км. Видеоролик был снят смартфоном Samsung Galaxy S. В качестве аппаратной платформы использовался нетбук HP Mini 210 со следующими техническими характеристиками:

Процессор Intel Atom N455;

ОЗУ 2 Gb DDR2.

Все методы обработки изображений реализованы с использованием хорошо оптимизированной библиотеки OpenCV 2.3.

Результаты исследования алгоритма представлены в таблице 3.

Таблица 3. Результаты исследования точности и быстродействия разработанного алгоритма

Параметр	Результаты
Общее количество знаков
Количество правильно определенных знаков
Количество неправильно определенных знаков
Количество пропущенных знаков
Среднее время обработки кадра, мс

Полученные характеристики точности и быстродействия разработанного алгоритма являются приемлемыми и позволяют использовать данный алгоритм в подобных системах реального времени.

Выводы

Разработан алгоритм распознавания дорожных знаков ограничения скорости. В результате проведения экспериментального исследования в среде IDE Microsoft Visual Studio 2010 с использованием библиотеки Qt 4.7 и библиотеки OpenCV 2.3 установлено, что точность (около 91 %) и быстродействие (20 кадров/с) алгоритма позволяет создавать на его основе интеллектуальные системы технического зрения, способные в режиме реального времени оповещать водителя о наличии дорожных знаков ограничения скорости в поле зрения камеры.

В дальнейшем планируется адаптация данного алгоритма для работы на мобильном устройстве (смартфоне) на базе операционной системы Google Android.

Использованная литература

Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.: Техносфера – 2005. – 1072 с.


Bradski G., Kaehler A. Learning OpenCV. - Sebastopol: O’Reilly, 2008 . - 555 p.


Brkic K. An overview of traffic sign detection methods.


Canny J. A Computational Approach to Edge Detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. - November 1986. - V. 8, N. 6. - P. 679 – 697.

Современные мегаполисы кишат большим количеством автомобилей. Из-за этого у любого приезжего возникает масса трудностей и неприятностей, вплоть до дорожно-транспортного происшествия. Дело в том, что не каждый знает особенности города, где располагаются дорожные знаки и что они означают. Для подобных ситуаций инженеры и придумали систему для распознавания дорожных знаков. Теперь водителю не придется особо смотреть по сторонам, следить за всеми дорожными знаками.

Что это за система?

Чтобы облегчить жизнь водителей, инженеры придумали довольно интересную систему для распознавания дорожных з наков. Ее главная задача состоит в предупреждении водителя о приближающемся дорожном знаке, перекрестке и так далее. Теперь у вас не будет возникать проблем и трудностей по поводу пропущенного знака.

Стоит отметить, что название системы может немного отличаться, все зависит от производителя и особенностей видения. Но, в общем, встречается аббревиатура TSR , которая расшифровывается как Traffic Sin Reconition . Применяется у таких производителей как , , и многих других.

К небольшой особенности следует отнести компанию Opel . Дело в том, что система распознавания знаков сразу же внедряется в комплекс Opel Eye , что довольно удобно и практично. В 2010-м году подобная система получила большое количество положительных отзывов не только от экспертов, но и простых водителей. За все время существования системы уменьшилось количество дорожно-транспортных происшествий. В систему входит не только распознавание знаков и пешеходов, но и автоматическая парковка.

Что касается компании Mercedes - Benz , то здесь система имеет особенность в ограничении скоростного режима. Теперь водитель не сможет превышать положенную скорость, даже на несколько километров. Специалисты отмечают, что система может быть как самостоятельной, так и входить в целый комплекс по защите и предупреждению.

Из чего состоит система

Отдельного внимания заслуживают компоненты системы, из чего она состоит. Практически каждый производитель использует следующий список:

· Видеокамера, которая устанавливается на ветровое стекло;

· Центральный блок для управления;

· Дисплей, чтобы выводить информацию.

Конечно, список может дополняться, все зависит от производителя и его желания. Специалисты отмечают, что подобное расположение камеры, на уровне головы водителя, является оптимальным. Ведь за счет такого подхода система без особого труда считывает информацию и передает ее на дисплей транспортного средства. Камера выполнена с применением качественной оптики, материалов и технологий.

Всего существует два поколения системы:

· Первое только информирует водителя о приближающемся знаке. Оно способно распознать знак ограничения скорости, запрета на обгон;

· Второе помимо считывания информации показывает, что нарушил водитель и где именно. Может распознавать знак движения без остановки запрещено, жилой зоны, начала и конца населенных пунктови преимущества движения.

Что касается второго поколения, то здесь применяется умный блок управления с операционной системой. При необходимости система обновляется, чтобы пополнять количество знаков.

Как работает система?

Что касается самого принципа работы, то здесь нет ничего сложного. Основным является камера, которая устанавливается на лобовое стекло. Она снимает весь путь водителя, в любое время года и суток. Камера крепится на стороне пассажира и сверху от водителя. Расположение может варьироваться в зависимости от особенностей дорожного движения. Камера способна распознавать пассажиров, что довольно удобно.

Полученная информация передается на центральный блок транспортного средства. Далее действия варьируются в зависимости от поколения. Если у водителя имеется только первое поколение, то происходит сравнение с базой и выдача знака на дисплей. Если второе поколение, то помимо выдачи знака и сравнения с базой данной водитель получает полную информацию о возможном нарушении. При таком подходе можно сразу понять, придется ли тратить деньги на штраф или нет.

Специалисты отмечают, что современная система распознавания знаков запоминает сразу несколько действий. Дело в том, что в настоящее время существует большое количество знаков с продолжительным действием. Если подобное не учитывать, то возникнет масса неприятностей.

Многие говорят, что следующее поколение системы получит возможность не только считывать знаки, но и использовать правило дорожного движения, давать рекомендации в некоторых ситуациях. Подобное понадобится новичкам, кто только сел за руль транспортного средства.

Вывод

Система распознавания знаков пользуется большой популярностью. Она облегчает жизнь водителей, позволяет предотвращать неприятные ситуации.

Вспомогательные системы автомобиля всегда будут полезными, как пример частые ДТП из-за невнимательности или незнаний знаков дорожного движения. Расскажем как устроена и работает эта система.

Что такое система распознавания знаков движения

Для облегчения водителям на дороге и для исключения варианта незнания знаков, инженеры разработали систему распознавания дорожных знаков. Главным назначением системы является предупреждение водителя о дорожных знаках ограничения скорость, проезда перекрестков или других.

Многие автомобильные производители имеют в своем арсенале подобные системы, в зависимости от производителя, системы именуются по-разному. Чаще всего система встречается под названием TSR (Traffic Sign Recognition). Такое название можно встретить в автомобилях марки Audi, Ford, BMW, Volkswagen и Opel.

В автомобилях производителя Opel, система распознавания дорожных знаков входит в комплекс систем Opel Eye. Это одна из лучших комплексных систем защиты водителя признанная в 2010 году. В этот набор включены системы распознавания пешеходов, распознавания преград, автоматической парковки и подобные системы.

Компания Mercedes-Benz дала название своей системе Speed Limit Assist. В автомобиле этой марки она известна больше как система контроля ограничения скорости. Компания Volvo в своем вооружении называет эту систему RSI - Road Sigh Information, информирование о дорожных знаках.

С прогрессом меняются и названия, система распознавания знаков может быть как самостоятельной системой, так и входить в комплексный набор систем защиты и предупреждения.

С чего состоит система предупреждения

В зависимости от марки и модели автомобиля, система может состоять из разных компонентов. Так же не исключено использование компонентов другой системы, к примеру, датчики, сканеры и камеры. Но как правило система распознавания дорожных знаков состоит из компонентов:

• видеокамера на ветровом стекле;
• блок управления;
• место (зачастую дисплей) для вывода обработанной информации.

Именно такое расположение камеры, на уровне головы водителя, позволяет максимально точно и быстро распознать дорожный знак и его наличие на дороге. Сама ж камера выполнена по последнему слову техники, качественная оптика и хорошее полученное изображение, дают больше шансов качественно распознать знак.

Можно выделить два поколения систем предупреждения. Первая только информирует водителя, выводя небольшую часть информации о знаке. Второе же поколение уже намного сложней, особенно если в автомобиле есть центральный дисплей, на него будет выводиться сам знак, информация о знаке и что вы нарушили.

Первое поколение способно распознать знаки:

• ограничение скорости;
• запрет на обгон;
• некоторые знаки дополнительной информации.

Второе поколение способно распознать кроме выше перечисленных знаков еще:

• движение без остановки запрещено;
• жилая зона;
• начало/конец населенного пункта;
• конец зоны всех ограничений;
• въезд запрещен;
• преимущество встречного/перед встречным автомобилем.

Это еще не полный список знаков, которые способно распознать второе поколение. Для этой системы используется разумный блок управления на основе операционной системы, и в меру появления новый знаков для распознания, система будет обновляться. Последним новшеством стало использование системы GPS вместо данных автомобиля, к примеру, скорости, пути направления и прочими данными, которые можно заменить с помощью GPS.

Принцип распознавания знаков

Так все же, как устроена система и принцип её работы. Как уже говорилось, камера на ветровом стекле это первое с чего начинается работа системы. Камера снимает путь перед автомобилем, как правило, эта зона по сторону переднего пассажира (зависит от направления движения) и вверху над водителем. Эта же камера может быть использована системой обнаружения пешеходов, или помощи движения по полосе.

После полученного изображения, информация передается на блок управления. В первом поколении блок управления простой и сравнивает полученные данные с уже существующими знаками в базе, если же знак распознан, то информация выводится водителю, в ином случае никакого действия не произойдет.

Второе поколение системы куда сложней. Полученные данные система не только перебирает, но и знак на изображении с камеры корректирует и подбирает разные комбинации возможных вариантов. Это говорит о том, что есть больше шансов распознать поврежденный или плохо просматриваемый знак. Так же во втором поколении операционка блока управления накладывает полученную информацию на карты навигации GPS и прорисовывает знаки, чтоб водитель не только слышал, но и видел возможные препятствия.

Стоит учесть, что система способна помнить действие нескольких знаков. Ведь часто бывает один знак еще не закончил зону действия, а второй также назначил свои правила.

Вывод предупреждения может осуществляться как на дисплей на панели приборов, так и на отдельный центральный дисплей вместе с картами навигации. Для примера система сравнит, какая скорость максимально допустима и насколько км/час вы превысили или же начнет информировать, если поехали на знак въезд запрещен.

Поговаривают, что третье поколение будет использовать правила движения по знакам и в случае грубого нарушения давать водителю советы как избежать нарушения и как правильно сделать. Ведь часто бывает, что новички водители без практики попросту нарушают самые простые правила по знакам.

Видео принципа работы системы распознавания дорожных знаков:

Водителю при управлении транспортным средством приходится выполнять множество разнообразных действий в зависимости от складывающейся ситуации, и самое главное, она быстро меняется. Изменения обстановки или рельефа дороги зачастую не позволяют своевременно отследить установленные ограничения, и хорошо, если такие ошибки остаются без последствий. Чтобы облегчить весь этот процесс, автопроизводителями в помощь водителю, на некоторые модели авто устанавливается система распознавания дорожных знаков.

Что это такое?

Такая функция как распознавание дорожных знаков используется на автомобилях BMW, Opel, Mercedes-Benz и других. По сути дела, все базируется на работе видеокамеры, расположенной перед зеркалом обзора заднего вида и направленной по ходу движения. Работает такая система распознавания дорожных знаков следующим образом – видеокамера сканирует местность перед собой.

Полученное изображение передается в электронный блок, где распознается, и при его соответствии тем требованиям, которые заложены в устройство, на панели приборов высвечивается нужный символ, что порой сопровождается звуковым сигналом.


Чаще всего предметом анализа является ограничение скорости. При распознавании анализируется:

• форма знака;
• его цвет;
• значение надписи (скорости);
• содержание ограничения (вид ТС, на которое данное ограничение распространяется, время и зона действия);
• фактическая скорость машины.

Система распознавания дорожных знаков непрерывно улучшается и расширяется, в ее базе появляются новые знаки, такие как запрещение обгона и одностороннее движение. Для лучшего восприятия обстановки в сложных метеорологических условиях камера дополняется инфракрасным прожектором.

Чем это хорошо, и что в этом плохого?

То, что подобная система распознавания дорожных знаков может оказаться полезной водителю, не вызывает сомнений. Все, что облегчает его труд, помогает управлению и обеспечивает безопасность, должно оцениваться только положительно. Однако не стоит возлагать на это устройство слишком больших надежд, во всяком случае, пока.


Дело в том, что система зачастую не способна правильно идентифицировать знак. Когда он завален, криво установлен, или плохо читаем, то устройство его просто не видит. В то же время и скорость движения машины влияет на распознавание изображения. Чем она выше, тем хуже или с большей задержкой начинает работать такое изделие.

Кроме того, не стоит забывать о ложных срабатываниях. Отмечены случаи, когда изображения, нанесенные на другие транспортные средства, движущиеся в попутном направлении (на автобусах, грузовиках), воспринимаются системой как ограничения, и она при этом выдает соответствующее предупреждение.

Такое устройство, как система, распознающая дорожные знаки, несомненно может считаться полезным на автомобиле, но на него не стоит слишком полагаться. В любом случае, ответственность за безопасность движения несет водитель, да и штраф за превышение скорости платить придется именно ему.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Подобные документы

Дорожные условия как фактор, определяющий надежность работы водителя. Оценка влияния, качества, правильности установки и информативности дорожных знаков и иных сооружений на безопасность дорожного движения. Назначение и классификация дорожных знаков.

дипломная работа , добавлен 11.12.2009


Особенности и формы маршрутного ориентирования в городах. Установка знаков на пересечениях в одном уровне. Принципы размещения и проектирования дорожных знаков индивидуального проектирования. Компоновка и расчет знаков индивидуального проектирования.

курсовая работа , добавлен 08.12.2008


Общая характеристика дорожных знаков: предупреждающие, приоритетные, запрещающие, предписывающие, информационные, сервисные и знаки дополнительной информации. Анализ эффективности работы технических средств организации дорожного движения на перекрестке.

курсовая работа , добавлен 19.12.2011


Правила перехода на перекрестке, пешеходном переходе или другом участке дороги. Изучение дорожных знаков для водителей транспортных средств. Регулирование движения светофором на дорогах. Значение в городе наземных и подземных переходов для пешеходов.

презентация , добавлен 14.02.2014


Исследование дорожных условий и схемы организации дорожного движения в месте совершения ДТП. Механизм развития ДТП по версии участников ДТП. Определение скорости движения автомобиля перед торможением и минимально допустимой дистанции между автомобилями.

курсовая работа , добавлен 01.03.2010


Виды дорожной разметки. Расчёт геометрических параметров. Перечисление и обоснование применения разметки на проектируемой развязке. Перечисление и обоснование применения знаков на проектируемой развязке. Правила применения дорожных знаков, разметки.

курсовая работа , добавлен 21.06.2010


Метод выявления опасных участков дороги на основе анализа данных о дорожно-транспортных происшествиях (ДТП). Метод коэффициентов аварийности. Основные виды ДТП. Анализ основных характеристик дорожных условий и эксплуатационного состояния дороги.

курсовая работа , добавлен 08.10.2014