ỨNG DỤNG CÁC PHƯƠNG PHÁP HỌC SÂU ĐỂ XÂY DỰNG HỆ THỐNG MÔ PHỎNG XE TỰ LÁI (Phân hệ: Phát hiện làn đường)

Abstract

Trong luận văn này, một ứng dụng các phương pháp học sâu sẽ được giới thiệu để xây dựng hệ thống mô phỏng xe tự hành trên nền tảng Unity 3D. Một mô hình mô phỏng hệ thống giao thông Việt Nam gồm hệ thống đường với các làn đường dành cho xe ô tô, xe máy và người đi bộ cùng với hệ thống biển báo giao thông. Một bộ dữ liệu đường gồm 900 ảnh sẽ được trích xuất từ mô hình mô phỏng hệ thống giao thông được dùng để huấn luyện các mô hình phát hiện làn đường. Mô hình phát hiện làn đường được huấn luyện trên hai mô hình là CNN và UNET. Kết quả thực nghiệm được thực hiện trên 100 ảnh cho thấy mô hình CNN có chỉ số IoU 0.6903 và Pixel accuracy 95.25% cao hơn mô hình UNET với chỉ số IoU 0.6057 và Pixel accuracy 92%. Từ các kết quả kiểm thử mô hình cho thấy mô hình CNN phù hợp để tích hợp vào hệ thống điều khiển xe để giải quyết vấn đề phát hiện làn đường. Mô hình phát hiện làn đường được sử dụng để xác định phần đường mà xe có thể chạy. Từ đó, hệ thống điều khiển xe sẽ tính toán góc lái, tốc độ và truyền cho mô hình mô phỏng thông qua hệ điều hành ROS.