Στην παρούσα διπλωματική εργασία παρουσιάζεται ένας αλγόριθμος για αναγνώριση ορίων οδοτρώματος από κινούμενο όχημα,με μετρήσεις σε πραγματικό χρόνο. Συνεχίζοντας τις προσπάθειες για αυτοματοποίηση των φωτοτεχνικών μετρήσεων στους δρόμους προτείνεται ένας βελτιωμένος κώδικας σε περιβάλλον MATLAB.
Αρχικά η αποτύπωση των στιγμιοτύπων γίνεται με τη βοήθεια μίας κατάλληλα βαθμονομημένης κάμερας CCD. Τα στιγμιότυπα στη συνέχεια επεξεργάζονται από υπολογιστή με την ακόλουθη διαδικασία: Αρχικά η εικόνα επεξεργάζεται με τη βοήθεια των κατάλληλων συναρτήσεων του περιβάλλοντος MATLAB έτσι ώστε να μπορούν να επεξεργαστούν νυχτερινές λήψεις είτε λήψεις σε σήραγγες. Ο θόρυβος της εικόνας μετριάζεται και έτσι οι λωρίδες κυκλοφορίας μπορούν να αναγνωριστούν ακριβέστερα με τη βοήθεια επιλεγμένου αλγορίθμου αναγνώρισης ορίων οδοτρώματος. Οι εντοπισμένες λωρίδες,οι οποίες έχουν προσεγγιστεί με την κατάλληλη καμπύλη ,με τη βοήθεια των αρχών της προοπτικής γεωμετρίας υποβάλλονται σε μαθηματικούς μετασχηματισμούς οι οποίοι μας επιτρέπουν να εντοπίσουμε την πραγματική θέση της λωρίδας στον τρισδιάστατο χώρο. Κατόπιν αφού εντοπιστεί το ζητούμενο τραπέζιο στο τρισδιάστατο επίπεδο ,με τη βοήθεια ξανά της προοπτικής γεωμετρίας το επιλεγμένο τραπέζιο προβάλλεται πίσω στην εικόνα και χρησιμοποιείται εν τέλει για τον υπολογισμό της μέσης τιμής της λαμπρότητας.
Με τον βελτιωμένο αυτό αλγόριθμο οι μετρήσεις στην περίπτωση οδών με στροφές επιτυγχάνονται με πολύ καλύτερη ακρίβεια ενώ ο χρόνος εκτέλεσης του αλγόρίθμου είναι αρκετά μικρός ώστε να μπορεί να εφαρμοστεί σε πραγματικό χρόνο.
In the present thesis an algorithm for real time road lane detection from a moving vehicle is described. Continuing the efforts for achieving the automation of the lightning measurements in the roads, an improved MATLAB code is presented.
Initially the video frames are stored with the help of a properly calibrated CCD camera. Afterwards, the frames are edited by a computer with the following procedure: At the beginning the frame is edited with the suitable MATLAB functions so that night pictures or pictures in tunnels can be processed. The noise of the picture is limited and so the road lanes can be detected more accurately with the help of a chosen algorithm. The detected lanes, which have been approximated with the proper curve and by using the basis of perspective projection geometry, are mathematically transformed and the real coordinates of the lanes in the 3D world are calculated. By using the equations of perpective projection the chosen trapezoid is again projected on the camera plane and used to measure the average luminance.
Moreover, with this improved algorithm, we manage to achieve more accurate results for measuring the luminance of curved streets, while the running time of the algorithm is relatively small so that it could be implemented in real time.