Magistrlik dissertatsiyasi 7 bet, 59 ta rasm, ta jadval, 70 ta adabiyot va ilovadan iborat

. Asosiy natijalar va xulosalar

Joriy bobda tasvirlardagi yo‘l belgilarini tanib olish uchun foydalaniladigan mavjud algoritmlar va tizimlarning analitik tahlili taqdim etildi. Ushbu tahlil asosida bir qator xulosalar chiqarildi:

Hozirgi vaqtda yo‘l belgilarini tanib olishda, shovqin, affin va tasvirlarda proyeksiya o‘zgarishlari mavjud bo‘lganda talab qilinadigan xususiyatlarni to‘liq qondiradigan usullar mavjud emas.
Mavjud dasturiy ta’minot tizimlarini tahlil qilishdan ko‘rinib turibdiki, ularning barchasi yo‘l harakati belgilarining buzilishlarining juda tor doirasi bilan cheklangan, bu esa bunday buzilishlarga nisbatan chidamliroq bo‘lgan tanib olish usullarini ishlab chiqish zarurligini keltirib chiqaradi.
Muammoni hal qilish uchun eng samarali usullar o‘ramli neyron tarmoqlardan foydalanishga asoslangan bo‘lib, ularning har xil turdagi buzilishlarga invariantlik darajasi oshadi.

III-BOB. O‘TKAZILGAN TADQIQOTLAR NATIJASI

3.1. Yo‘l chiziqlarini topish usullari

Quyida ushbu muammoni hal qilishning sodda, tezkor, ishonchli va samarali usullari keltirilgan. Bu teskari istiqbolli akslantirish (IPM) deb nomlanib, tasvirni yuqorisida ko‘rsatishga asoslangan. Ushbu tasvir keyinchalik vertikal chiziqlarni aniqlash uchun optimallashtirilgan tanlangan fazoviy Gauss filtrlari yordamida filtrlanadi. Ushbu filtrlangan tasvir, keyin faqat eng yuqori qiymatlarni bo‘sag‘a bilan saqlab olib, to‘g‘ri chiziqlar soddalashtirilgan Xaf almashtirishi yordamida aniqlanadi, undan keyin RANSAC line fitting qadami amalga oshiriladi va keyin yangi RANSAC splayn aniqlangan to‘g‘ri chiziqlarni to‘g‘rilash va yo‘l bo‘lagining egriligini to‘g‘ri aniqlash uchun sozlash bosqichini amalga oshiradi. Nihoyat, tozalash va lokallashtirish bosqichi aniqlangan splaynlar uchun kirish tasvirida amalga oshiriladi.

Ushbu usul bir nechta afzalliklarni beradi. Birinchidan, u real vaqt rejimida ishlaydi, 50 Gs chastotada 640x480 tasvirda Intel Core2 2.4 GGs protsessoriga ega bo‘lgan oddiy mashinada ishlaydi. Ikkinchidan, u nafaqat joriy yo‘l bo‘lagini, balki qo‘shni bo‘lak chegarasining chizig‘ini ham aniqlay olishi mumkin. Bu shahar yo‘llarining tasvirlarini tushunishda birinchi qadam hisoblanadi. Uchinchidan, splaynlarni samarali o‘rnatish uchun yangi va tezkor RANSAC algoritmini taqdim etiladi. Va nihoyat, yo‘llar uchun qo‘lda belgilab chiqilgan (xonani) ma’lumotlar to‘plamidan foydalangan holda va algoritm yordamida aniqlanganlarni hisoblashning avtomatik usulini qo‘llagan holda, keltirilgan yondashuv har tomonlama baholanadi.
Gradiyentdan foydalanishning yana bir usuli [4] maqola mualliflari tomonidan taklif qilingan. Har bir piksel uchun gradiyent maydoniga asoslanib, mualliflar tomonidan taklif qilingan “taroqlik” xarakteristikasi hisoblanadi, agar tasvir pikseli yorqinlik tarog‘ida yotsa katta qiymatlarni oladi.

bu yerda maydon vektorining tafovutini anglatadi.

Shundan so‘ng, “taroqlash” ning yetarlicha katta qiymati bo‘lgan piksellar yo‘l chizig‘i piksellari deb e’lon qilinadi. Usul yo‘l chiziqlarini yaxshi aniqlaydi, ammo u “taroqlash” ning katta qiymatiga ega halaqitga bardoshli hisoblanmaydi.