Riconoscimento dei segnali stradali: Sbloccare il potere della visione artificiale
Di Fouad Sabry
()
Info su questo ebook
Che cos'è il riconoscimento dei segnali stradali
Il riconoscimento dei segnali stradali (TSR) è una tecnologia grazie alla quale un veicolo è in grado di riconoscere i segnali stradali messi sulla strada, ad es. "limite di velocità" o "bambini" o "girare avanti". Questo fa parte delle funzionalità collettivamente chiamate ADAS. La tecnologia è stata sviluppata da una varietà di fornitori automobilistici. Utilizza tecniche di elaborazione delle immagini per rilevare i segnali stradali. I metodi di rilevamento possono essere generalmente suddivisi in metodi basati sul colore, basati sulla forma e basati sull'apprendimento.
Come trarne vantaggio
(I) Approfondimenti e convalide sui seguenti argomenti:
Capitolo 1: Riconoscimento della segnaletica stradale
Capitolo 2: Segnaletica stradale
Capitolo 3: Sistema di trasporto intelligente
Capitolo 4: Controllo elettronico della stabilità
Capitolo 5: Sistema avanzato di assistenza alla guida
Capitolo 6: Sistema di avviso di deviazione dalla corsia
Capitolo 7: Cruise control adattivo
Capitolo 8: Aumento intelligente della velocità
Capitolo 9: Sistema di monitoraggio del conducente
Capitolo 10: Sistema di prevenzione delle collisioni
(II) Rispondere al domande principali del pubblico sul riconoscimento dei segnali stradali.
(III) Esempi reali dell'utilizzo del riconoscimento dei segnali stradali in molti campi.
A chi è rivolto questo libro
Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che desiderano andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di riconoscimento dei segnali stradali.
Correlato a Riconoscimento dei segnali stradali
Titoli di questa serie (100)
Equalizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRiduzione del rumore: Miglioramento della chiarezza, tecniche avanzate per la riduzione del rumore nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSistema di gestione del colore: Ottimizzazione della percezione visiva negli ambienti digitali Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto del colore: Comprendere la percezione e la rappresentazione nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniScala dello spazio: Esplorare le dimensioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGruppo congiunto di esperti fotografici: Sfruttare la potenza dei dati visivi con lo standard JPEG Valutazione: 0 su 5 stelle0 valutazioniFunzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIstogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniConsenso del campione casuale: Stima robusta nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevatore di bordi astuto: Svelare l'arte della percezione visiva Valutazione: 0 su 5 stelle0 valutazioniModello a colori: Comprendere lo spettro della visione artificiale: esplorare i modelli di colore Valutazione: 0 su 5 stelle0 valutazioniSpazio colore: Esplorare lo spettro della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniStima della posa del corpo articolato: Sbloccare il movimento umano nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMappatura dei colori: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevamento delle macchie: Scoprire modelli nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniProfilo colore: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di feature invarianti di scala: Svelare il potere della trasformazione delle caratteristiche invarianti su scala nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Telecamera per le forze dell'ordine: Progressi nella visione artificiale per le telecamere delle forze dell'ordine Valutazione: 0 su 5 stelle0 valutazioniIntegrazione dell'infrastruttura del veicolo: Sbloccare intuizioni e progressi attraverso la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniAuto a guida autonoma: Esplorare la visione artificiale nei veicoli autonomi Valutazione: 0 su 5 stelle0 valutazioniTelecamera a luci rosse: Esplorazione delle applicazioni di visione artificiale: la prospettiva della telecamera a luci rosse Valutazione: 0 su 5 stelle0 valutazioniPanoramica sulle principali metodologie per la sicurezza in ambito automotive Valutazione: 0 su 5 stelle0 valutazioniFotocamera intelligente: Rivoluzionare la percezione visiva con la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniContapersone: Sbloccare insight attraverso Visual Analytics Valutazione: 0 su 5 stelle0 valutazioniL'intelligenza artificiale guida le nostre vetture. Profili di responsabilità: Profili di responsabilità Valutazione: 0 su 5 stelle0 valutazioniVideoimpronta digitale digitale: Migliorare la sicurezza e l'identificazione nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniLa rivoluzione dell'automobile: Idee per un nuovo modello industriale Valutazione: 0 su 5 stelle0 valutazioniPortami a casa!: Evviva la guida assistita Valutazione: 0 su 5 stelle0 valutazioniSmart Car CyberSecurity: Il Cyber Risk delle Auto Intelligenti Valutazione: 0 su 5 stelle0 valutazionie.driver Esame teorico: Sicuri all'esame. Cat. B, A, A1, M F/G Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale: Approfondimenti sul mondo della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGrafica computerizzata: Esplorando l'intersezione tra computer grafica e visione artificiale Valutazione: 0 su 5 stelle0 valutazioniWEB MARKETING TURISTICO - Case study: MySwitzerland.com Valutazione: 0 su 5 stelle0 valutazioniBande di colore: Esplorare le profondità della visione artificiale: svelare il mistero delle bande di colore Valutazione: 0 su 5 stelle0 valutazioniMappatura mobile: Sbloccare l'intelligenza spaziale con la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRiconoscimento ottico dei caratteri: Sfruttare la potenza della visione artificiale per il riconoscimento ottico dei caratteri Valutazione: 0 su 5 stelle0 valutazioniApprendimento applicato ai veicoli terrestri: Migliorare le prestazioni dei veicoli terrestri attraverso l'apprendimento della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCodice della Strada: nuova edizione aggiornata Valutazione: 0 su 5 stelle0 valutazioniRiconoscimento dell'iride: Prospettive illuminanti sul riconoscimento dell'iride nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniProfilo colore: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniImportare dalla Cina: Tutti i segreti Valutazione: 0 su 5 stelle0 valutazioniCalcolo fisico: Esplorare la visione artificiale nell'informatica fisica Valutazione: 0 su 5 stelle0 valutazioniVECPA - Veicolo Elettrico Con Pilota Automatico Valutazione: 0 su 5 stelle0 valutazioniAnalisi dei contenuti video: Sbloccare insight attraverso i dati visivi Valutazione: 0 su 5 stelle0 valutazioniRiconoscimento automatico del bersaglio: Progressi nelle tecniche di visione artificiale per il riconoscimento del bersaglio Valutazione: 0 su 5 stelle0 valutazioniDither: Rumore visivo nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSistema di gestione del colore: Ottimizzazione della percezione visiva negli ambienti digitali Valutazione: 0 su 5 stelle0 valutazioni
Intelligenza artificiale e semantica per voi
Il Terzo Like Valutazione: 0 su 5 stelle0 valutazioniGuida Intelligenza Artificiale Valutazione: 0 su 5 stelle0 valutazioniANonniMus: Vecchi rivoluzionari contro giovani robot Valutazione: 0 su 5 stelle0 valutazioni
Recensioni su Riconoscimento dei segnali stradali
0 valutazioni0 recensioni
Anteprima del libro
Riconoscimento dei segnali stradali - Fouad Sabry
Capitolo 1: Riconoscimento dei segnali stradali
Il riconoscimento dei segnali stradali (TSR) è una tecnologia che consente a un'auto di riconoscere i segnali stradali, come limite di velocità
o bambini
o svolta avanti
. Questo è uno degli aspetti denominati congiuntamente ADAS. Diversi fornitori di automobili stanno attualmente sviluppando la tecnologia. Rileva i segnali stradali utilizzando tecniche di elaborazione delle immagini. Gli approcci di rilevamento possono essere ampiamente classificati come basati sul colore, sulla forma o sull'apprendimento.
La Convenzione di Vienna sulla segnaletica stradale è un patto del 1968 che ha facilitato la standardizzazione internazionale della segnaletica stradale. Circa 52 paesi, di cui 31 europei, hanno firmato questo accordo. La norma classifica i segnali stradali in sette gruppi, rappresentati dalle lettere dalla A alla H. Questa standardizzazione è stata la forza trainante dello sviluppo globale dei sistemi di riconoscimento dei segnali stradali.
Il riconoscimento dei segnali stradali ha debuttato nel 2008 sulla Opel Insignia del 2009 sotto forma di riconoscimento dei segnali di limite di velocità.
Inoltre, le tecnologie di seconda generazione sono in grado di identificare le restrizioni di sorpasso. È stato lanciato nel 2008 su Opel Insignia. Non è in grado di riconoscere i segnali di confine della città, che sono correlati ai limiti di velocità nella maggior parte dei paesi europei, perché sono troppo simili ai segnali di direzione.
A partire da maggio 2022, si prevede che tali sistemi saranno obbligatori su tutti i veicoli di nuova vendita nell'UE.
Numerose automobili, camion e camion contemporanei sono dotati di telecamere rivolte in avanti in grado di valutare i segnali stradali. I limiti di velocità sono uno dei casi d'uso fondamentali per un sistema di riconoscimento dei segnali stradali. La maggior parte dei dati GPS otterrebbe informazioni sulla velocità, ma i segnali stradali aggiuntivi possono anche essere utilizzati per estrarre informazioni e mostrarle sul cruscotto del veicolo per avvisare il conducente del segnale stradale. Si tratta di una funzione avanzata di assistenza alla guida presente nella maggior parte dei veicoli di lusso, principalmente nelle automobili europee.
I veicoli autonomi e le auto a guida autonoma stanno guidando lo sviluppo di sistemi di riconoscimento dei segnali stradali basati su reti neurali convoluzionali. In queste circostanze, il sistema di rilevamento deve riconoscere una serie di segnali stradali oltre ai limiti di velocità. Qui sta il significato della Convenzione di Vienna sulla segnaletica stradale. Utilizzando tecniche di Deep Learning, una rete neurale convoluzionale può essere addestrata a interpretare questi segnali stradali predeterminati e imparare
.
L'elaborazione delle immagini e la visione artificiale vengono utilizzate dalla rete neurale per addestrare la rete con vari risultati. La rete neurale addestrata è quindi in grado di rilevare nuovi segnali stradali in tempo reale. Le aziende di auto a guida autonoma, come Waymo e Uber, generano e esternalizzano set di dati sui segnali stradali a società di mappe e navigazione, come Tom Tom. Questo obiettivo è altamente efficace e realizzabile in tempo reale grazie all'applicazione di tecniche di visione artificiale e reti neurali all'avanguardia.
Esistono numerosi algoritmi per il riconoscimento dei segnali stradali. Quelli comuni sono quelli basati sulla forma del cartello. Le forme tipiche dei cartelli come esagoni, cerchi e rettangoli vengono utilizzate per classificare i vari tipi di segni. Altri importanti algoritmi di riconoscimento dei caratteri includono funzionalità simili a Haar, codice Freeman Chain, rilevamento AdaBoost e approcci per reti neurali di deep learning. Le caratteristiche simili a quelle di Haar possono essere utilizzate per generare classificatori a cascata che possono essere successivamente utilizzati per identificare i caratteri della scheda del cartello.
È possibile incorporare il deep learning nel rilevamento dei segnali stradali. L'approssimazione poligonale delle curve digitali utilizzando l'algoritmo Ramer-Douglas-Peucker può essere utilizzata per determinare la forma dei cartelli stradali, mentre approcci come Support Vector Machines e Byte-MCT con il classificatore AdaBoost sono stati utilizzati per rilevare i segnali stradali.
Le informazioni possono essere pertinenti per l'assistenza intelligente alla velocità.
Le automobili Audi dotate di tali sistemi sono prodotte occasionalmente, BMW, Citroën, Ford, Honda, Infiniti, Jaguar, Jeep, Land Rover, Lexus, Mercedes, Nissan, Opel, Peugeot, Porsche, Renault, Toyota, i marchi Volkswagen e Volvo.
Per esempio:
Audi: A8 Audi
I modelli BMW includono la BMW Serie 7, la BMW Serie 5 Gran Turismo e la BMW Serie 5.
Mercedes-Benz Classe E e Mercedes-Benz Classe S
Opel Insignia e Opel Corsa
Saab 9-5
Volkswagen Phaeton
2022+ Lexus GS, Lexus LS e Lexus RX
{Fine Capitolo 1}
Capitolo 2: Segnale stradale
I segnali stradali o segnali stradali sono segnali costruiti lungo o sopra le strade per fornire ai conducenti indicazioni o informazioni. La prima segnaletica era costituita da semplici cartelli in legno o in pietra. Più tardi, furono introdotti cartelli con braccia direzionali, come i fingerposts nel Regno Unito e i loro equivalenti in legno in Sassonia.
A partire dagli anni '30, con l'aumento dei volumi di traffico, numerose nazioni hanno adottato la segnaletica illustrata o hanno comunque semplificato e standardizzato la segnaletica per affrontare gli ostacoli linguistici e migliorare la sicurezza stradale. Questi segni grafici sostituiscono le parole con simboli (spesso sagome) e sono in genere basati su norme internazionali. Questi segni hanno avuto origine in Europa e sono stati adottati in varia misura dalla maggior parte delle nazioni.
Le convenzioni a livello internazionale, come la Convenzione di Vienna sulla segnaletica stradale, hanno contribuito a un certo grado di standardizzazione nei sistemi di segnaletica stradale di molte nazioni. I paesi hanno anche (in una certa misura) seguito unilateralmente altre nazioni per ridurre al minimo la confusione.
I segnali stradali possono essere classificati in varie categorie. L'allegato 1 della Convenzione di Vienna del 1968 sulla segnaletica stradale, che al 30 giugno 2004 contava 52 firmatari, definisce otto categorie di segnaletica:
A. Dispositivi di segnalazione di pericolo
Indicatori di priorità
C. Segnali proibitivi o limitati
Segnaletica obbligatoria
E. Indicazione normativa specifica
F. Informazioni, strutture e servizi
G. Direzionale, direzionale o indicativo
Finestre aggiuntive
Le insegne negli Stati Uniti, in Canada, in Irlanda, in Australia e in Nuova Zelanda rientrano nelle seguenti categorie:
Segnaletica regolamentare
Segnali
Segnali guida
Cartelli con i nomi delle vie
Segnaletica stradale
Segnaletica autostradale
Segnaletica autostradale
Cartelli di benvenuto
Cartelli informativi
Segnaletica per interessi ricreativi e culturali
Segnaletica per la gestione delle emergenze (protezione civile)
Segnali che indicano il controllo temporaneo del traffico (zona di costruzione o di lavoro)
Segnaletica scolastica
Segnaletica per ferrovie e metropolitana leggera
Segnaletica per biciclette
Le categorie, il posizionamento e i criteri grafici per i segnali stradali e la segnaletica orizzontale negli Stati Uniti sono legalmente regolamentati nel Manuale della Federal Highway Administration sui dispositivi uniformi di controllo del traffico.
La distinzione tra segnali direzionali di avanzamento, segnali direzionali di interscambio e segnali di rassicurazione è alquanto informale tra i segnali direzionali. A una distanza prestabilita dallo svincolo, i segnali direzionali forniscono informazioni per ogni direzione. Una manciata di paesi non fornisce informazioni sulla strada da percorrere (i cosiddetti segnali pull-through
), ma semplicemente istruzioni a sinistra e a destra. I segnali di guida anticipata consentono agli automobilisti di adottare misure di sicurezza per l'uscita (ad esempio, cambiare corsia, ricontrollare se questa è l'uscita corretta, rallentare). I conducenti perderebbero le uscite senza di loro, quindi spesso vengono posizionati solo su superstrade e autostrade. Sebbene ogni paese abbia il proprio metodo, il primo segnale di approccio per un'uscita interstatale è in genere posizionato ad almeno 1 chilometro (0,6 miglia) dallo svincolo effettivo. Tipicamente, uno o due ulteriori segnali di direzione in anticipo seguiranno questo segnale prima dello svincolo vero e proprio.
I segnali stradali più antichi erano indicatori di distanza o di direzione;