Research and manufacture self-driving vehicles using image processing

Khải Đỗ Huỳnh Quang , Vạn Lương Văn

Abstract

The paper presents the process of researching and manufacturing a self-driving car model that uses image processing to recognize lanes, signs, and traffic lights to control the car's movement automatically. The system is built on the Raspberry Pi 4 and Nucleo platforms, combining algorithms such as Canny, Hough Transform and neural networks to process real-time image data. The model is designed to target Vietnam's traffic conditions, with the ability to recognize signs and stop and turn according to real signals. The results show stability and accurate handling in changing light and environmental conditions, contributing to the basis for large-scale autonomous vehicle development in the future.

Keywords: Autonomous vehicle, image processing, controller, navigation

Tóm tắt

Bài báo trình bày quá trình nghiên cứu và chế tạo mô hình xe tự hành sử dụng xử lý ảnh để nhận dạng làn đường, biển báo và đèn giao thông nhằm điều khiển xe di chuyển tự động. Hệ thống được xây dựng dựa trên nền tảng Raspberry Pi 4 và Nucleo, kết hợp các thuật toán như Canny, Hough Transform và mạng nơ-ron để xử lý dữ liệu hình ảnh thời gian thực. Mô hình được thiết kế hướng đến điều kiện giao thông Việt Nam, có khả năng nhận dạng biển báo, dừng xe và rẽ theo tín hiệu thực tế. Kết quả cho thấy độ ổn định và khả năng xử lý chính xác trong điều kiện ánh sáng và môi trường thay đổi, góp phần làm cơ sở cho phát triển xe tự hành quy mô lớn trong tương lai.

Từ khóa: Xe tự lái, xử lý ảnh, điều khiển, dẫn đường

References

[1]. Đặng Thái Việt, Xe tự hành ứng dụng thuật toán nhận dạng và dự đoán quỹ đạo di chuyển, Hội nghị khoa học và công nghệ toàn quốc về cơ khí lần thứ V - VCME 2018.

[2]. https://vinfastauto.com/vn_vi/phan-loai-cac-cap-do-xe-tu-lai (truy cập ngày 14/11/2024)

[3]. Ha Thi Kim Duyen (2021), “Nghiên cứu và phát triển hệ thống xe tự hành ứng dụng

trí tuệ nhân tạo”, Tạp chí Khoa học và Công nghệ, tập 57 – Số 5 (10/2021)

[4]. Gu, Zhicheng, Zhihao Li, Xuan Di, and Rongye Shi. (2020) "An LSTM-based autonomous driving model using a waymo open dataset" Applied Sciences 10, no. 6 (2020): 2046

[5]. Yuan Chang, Chen Hui, Liu Ju, Zhu Di, Xu Yanyan, 2018. Robust Lane Detection for Complicated Road Environment Based on Normal Map. IEEE Access. PP. 1-1. 10.1109/ACCESS.2018.2868976

Issue

Section

Article