فایل ورد کامل تشخیص چراغ راهنما با بکار بردن نقشه و مکان یاب در هر مرحله

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تشخیص چراغ راهنما با بکار بردن نقشه و مکان یاب در هر مرحله،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۵۵ صفحه

تشخیص چراغ راهنما به هدف کاهش تصادفات رانندگی در چهار راه ها و تحقق رانندگی مستقل به شدت مورد تحقیق قرار گرفته است. با وجود این؛ ایین نامه های دیداری- مبتنی بر تقریب ها دارای چندین محدودیت ناشی از اسکن کامل تصاویر؛ به صورت معمول در عمل کردن؛ تنوع در انواع مختلف چراغ راهنمایی و محیط های رانندگی دشوار است. به طور خاص؛ ممکن است تشخیص یک چراغ راهنمای مناسب در میان چندین چراغ راهنمایی در چهار راه های گوناگون غیر ممکن باشد. برای غلبه بر این محدودیت ها؛ ما یک معماری مناسب را پیشنهاد می کنیم که یک سیستم بینایی همراه یک سیستم مکان یابی و یک نقشه دیجیتال قابل تعمیم را ادغام می کند. فرایند تشخیص بر روی چهار مرحله تقسیم می شود و ما برای هر مرحله یک روش قابل تعمیم را پیشنهاد می کنیم. این مراحل عبارت است از: تولید ROI؛ شناسایی؛ طبقه بندی و ردیابی است. موقعیت های سه بعدی از چراغ راهنمایی و اطلاعات مرحله ای بدست امده از یک نقشه دیجیتال تعمیم یافته برای ROI؛ حتی در جاده های فرعی؛ با دقت تهیه شده است؛ در حالی که طراحی و اجرای مستقل از واحد های شناسایی منحصر به فرد برای تشخیص و طبقه بندی برای انتخابی موافق با نوعی از صورت های چراغ راهنمایی اجازه داده شده است. چنین واحدهای معماری سیستم ساده؛ انعطاف پذیر و الگوریتم های قابل نگه داری را بدست می اوریم. علاوه بر این؛ راه های قابل تطبیق که فاصله ای برای چراغ راهنمایی را بکار می برند برای تخمین مراحل یک نواخت کردن از طریق ارتباط داده های صحیح در زمانی که اندازه گیری تغییرات از ناحیه های طولانی به کوتاه تغییر می کند؛ اجازه داده می شود. ارزیابی سیستم های پیشنهادی در شش سایت ازمایشی اتفاق افتاده است و دو نوع مختلف از چراغ های راهنمایی در هفت حالت؛ جاده های شیب دار و محیط های پیچیده متنوع بکار برده شده است. نتایج ازمایشی نشان می دهد که سیستم های پیشنهاد شده می تواند چراغ های راهنمایی را همراه دقت . ؛ یاد اوری . و صحت . در دامنه . تا . متر را شناسایی کند.

کلمات کلیدی: تشخیص چراغ راهنمایی | مکان یابی و نقشه دیجیتال | وسایل نقلیه هوشمند | سیستم های حمل و نقل هوشمند | بینش کامپیوتری | تشخیص شی

عنوان انگلیسی:

Traffic light recognition exploiting map and localization at every stage

~~en~~ writers :

Chulhoon Jang a, Sungjin Cho a, Sangwoo Jeong a, Jae Kyu Suhr c, Ho Gi Jung b, Myoungho Sunwoo

Traffic light recognition is being intensively researched for the purpose of reducing traffic accidents at intersections and realizing autonomous driving. However, conventional vision-based approaches have several limitations due to full image scanning, always-on operation, various different types of traffic lights,
and complex driving environments. In particular, it might be impossible to recognize a relevant traffic
light among multiple traffic lights at multiple intersections. To overcome such limitations, we propose an
effective architecture that integrates a vision system with an accurate positioning system and an extended
digital map. The recognition process is divided into four stages and we suggest an extended methodology
for each stage. These stages are: ROI generation, detection, classification, and tracking. The 3D positions
of traffic lights and slope information obtained from an extended digital map enable ROIs to be generated
accurately, even on slanted roads, while independent design and implementation of individual recognition modules for detection and classification allow for selection according to the type of traffic light face.
Such a modular architecture gives the system simplicity, flexibility, and maintainable algorithms. In addition, adaptive tracking that exploits the distance to traffic lights allows for seamless state estimation
through smooth data association when measurements change from long to short ranges. Evaluation of
the proposed system occurred at six test sites and utilized two different types of traffic lights, seven
states, sloped roads, and various environmental complexities. The experimental results show that the
proposed system can recognize traffic lights with 98.68% precision, 92.73% recall, and 95.52% accuracy in
the 10.02–۸۱.۲۱ m range.

Keywords: Traffic light recognition | Localization and digital map | Intelligent vehicles | Intelligent transportation systems | Computer vision | Object detection

$$en!!