Ampelphasenerkennung

Autor: Niklas Lingenauber

Betreuer: Prof. Schneider

Einleitung

Dieser Artikel wurde für die Übung des Kurses Digitale Signal- und Bildverarbeitung verfasst und dokumentiert die Ergebnisse des Projektes "Ampelphasenerkennung". Die allgemeinen Ziele der Projekte können im Wiki-Artikel DSB SoSe2016 eingesehen werden.

Aufgabenstellung

Die Aufgabe lautete eine Algorithmus zu implementieren, der aus einer aufgezeichenten Autofahrt erkennt, ob sich eine Ampel auf den einzelnen Frames befindet und welche Ampelphase diese zeigt. Das Video sollte mit einer an der Front des Autos angebrachten Kamera erstellt werden. Als Entwicklungsumgebung sollte Matlab verwendet werden.

Algorithmus

Main-Funktion

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%          Digitale Signal und Bildverarbeitung          %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Projekt:     Ampelphasenerkennung                      %
%                                                        %
% Autor:       Niklas Lingenauber (2132521)              %
%                                                        %
% Studiengang: Mechatronik 6. Semester                   %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%                                                        %
% Beschreibung: Diese main-Datei initialisiert und       %
%               startet die Ampelphasenerkennung. Sie    %
%               liest eine Datei ein, ruft die nötigen   %
%               Funktionen auf und sorgt für die         %
%               Bildausgabe.                             %
%                                                        %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%                                                        %
% Implementierung: MatLab 2015b                          %
%                                                        %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%                                                        %
% letzte Änderung: 20.06.2016                            %
%                                                        %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

clc;
clear all;

%% Initialisierung %%
%Parameter zur Kreissuche
RadiusMin=20;                       %Kleinster zu erkennender Kreis
RadiusMax=60;                       %größter zu erkennender Kreis
SensityRed=0.65;                    %Sensibilität der Kreissuche (Rot)
SensityYellow=0.70;                 %Sensibilität der Kreissuche (Gelb)
SensityGreen=0.80;                  %Sensibilität der Kreissuche (Grün)

%Strukturelement zur Dilatatation
SE = strel('disk', RadiusMin, 0);   %Kreis mit dem Radius des kleinsten zu erkennenden Kreises  

%% Datei einlesen %%
[FileName, path] = uigetfile({'*.mp4';'*.jpg'},...      %Datei auswählen
    'Bitte wählen Sie ein Bild oder ein Video aus');    
[~, ~, Format]=fileparts(FileName);                     %Format ermitteln
if strcmpi(Format,'.jpg')
    image = imread([path, FileName]);                   %Bild einlesen
elseif strcmpi(Format,'.mp4')
    video = VideoReader([path, FileName]);              %Video einlesen
else
    error('Unbekanntes Dateiformat. Programm wurde abgebrochen.');  %falsches Format
end


if exist('image','var')==1
       [height, width]=size(image(:,:,1));             %Höhe des Videos einlesen
       UntergrenzeROI=round(height*5/8);               %Fahrzeuge rausschneiden, da Bremslicht stört
       imageROI=image(1:UntergrenzeROI,1:width,:);     %Bild zuschneiden, nur oben betrachten
       
       %Ampelphasen finden
       [centers_Red, radii_Red]=FilterRed(imageROI, SE, RadiusMin, RadiusMax, SensityRed);             %Rot
       [centers_Yellow, radii_Yellow]=FilterYellow(imageROI, SE, RadiusMin, RadiusMax, SensityYellow); %Gelb
       [centers_Green, radii_Green]=FilterGreen(imageROI, SE, RadiusMin, RadiusMax, SensityGreen);     %Grün
       
       %Ausgabe
       figure(1)
       imshow(image)
       if length(centers_Red)<=5
            viscircles(centers_Red, radii_Red,'EdgeColor','r');         %Rotes Ampellicht einzeichnen
       end
       if length(centers_Yellow)<=4
            viscircles(centers_Yellow, radii_Yellow,'EdgeColor','y');   %Gelbes Ampellicht einzeichnen
       end
       if length(centers_Green)<=5
            viscircles(centers_Green, radii_Green,'EdgeColor','g');     %Grünes Ampellicht einzeichnen
       end
       drawnow;
else
    Position=0;     %Position im Video
    StepSize=2;     %Schritweite im Video zur beschleunigung des Algorithmus
    while hasFrame(video)
       image=readFrame(video);                         %Frame einlesen
       image = impyramid(image, 'reduce');             %Bild verkleinern
       [height, width]=size(image(:,:,1));             %Höhe des Videos einlesen
       UntergrenzeROI=round(height*5/8);               %Fahrzeuge rausschneiden, da Bremslicht stört
       imageROI=image(1:UntergrenzeROI,1:width,:);     %Bild zuschneiden, nur oben betrachten
       
       %Ampelphasen finden
       [centers_Red, radii_Red]=FilterRed(imageROI, SE, RadiusMin, RadiusMax, SensityRed);             %Rot
       [centers_Yellow, radii_Yellow]=FilterYellow(imageROI, SE, RadiusMin, RadiusMax, SensityYellow); %Gelb
       [centers_Green, radii_Green]=FilterGreen(imageROI, SE, RadiusMin, RadiusMax, SensityGreen);     %Grün
       
       %Ausgabe
       figure(1)
       imshow(image)
       if length(centers_Red)<=5
            viscircles(centers_Red, radii_Red,'EdgeColor','r');         %Rotes Ampellicht einzeichnen
       end
       if length(centers_Yellow)<=4
            viscircles(centers_Yellow, radii_Yellow,'EdgeColor','y');   %Gelbes Ampellicht einzeichnen
       end
       if length(centers_Green)<=5
            viscircles(centers_Green, radii_Green,'EdgeColor','g');     %Grünes Ampellicht einzeichnen
       end
       drawnow;     %Bild sofort ausgeben
       
       Position=Position+StepSize;      %Position im Video anpassen
       video.CurrentTime=Position;
    end
end

Funktionen zur Ampelphasenerkennung

function [ centers, radii] = FilterYellow( image, SE, RadiusMin, RadiusMax, Sensity )
%Diese Funktion filtert aus dem Bild image die Pixel heraus, die der roten
%Ampelfarbe entsprechen. Anschließend werden Kreise im gefilterten Bild
%gesucht und zurückgegeben.
%
%   Letzte Änderung:    18.06.2016
%   Autor:              Niklas Lingenauber

    [BW, ~]=Yellow(image);             %rote Ampelfarbe finden
    Dilate=imdilate(BW,SE);         %Dilatation durchführen
    [centers, radii] = imfindcircles(Dilate,[RadiusMin RadiusMax],...
        'ObjectPolarity','bright', 'Sensitivity', Sensity);  %Helle Kreise auf dunklem Untergrund suchen

end

Farbfilter

Abb 1: Darstellung einer gelben Ampel in verschiedenen Farbräumen mit der App ColorThresholder von Matlab

Abb 2: Ergebnis der Filterung nach der gelben Ampelphase mit der App ColorThresholder von Matlab

Zur Filterung der jeweiligen Ampelfarbe wurde mit der von Matlab zur Verfügung gestellten App "Color Thresholder" Bildmasken entwickelt, in denen Pixel mit dem gewünschten Farbwert durch eine 1 markiert und somit weiß dargsetllt werden. Pixel, die diesem Kriterium nicht entsprechen werden als 0 gespeichert und schwarz abgebildet. Aus den definierten Filtern lassen sich anschließend automatisiert Matlab-Funktionen generieren. Der Hintergrund und andere störende Objekte werden somit aus dem Bild entfernt und das daraus entstandene Binärbild kann zur weiteren Bildverarbeitung verwendet werden. Ein großer Vorteil App ist, dass ein gewünschtes Beispielbild in den einzelnen Farbkanälen der Farbräume RGB, HSV, YCbCr und L*A*B* anzeigt werden kann und eine Analyse, welcher Farbraum sich am besten für die Erkennung der Ampelphasen eignet erleichtert wird (siehe Abb. 1). Der HSV-Farbraum stellte sich dabei als am besten geeignet heraus, da sich die Ampelfarben hier am deutlichsten in den einzelnen Kanälen hervorheben. Um das bestmögliche Filterergebnis für eine jeweilige Farbe zu erhalten, wurden zur Ermittlung geeigneter Schwellwerte Bild-Collagen erstellt, in denen sich kritische Objekte wie beispielsweise gelbe Verkehrsschilder oder Baustellenbeleuchtungen befinden erstellt. Anhand dieser Collagen wurden verschiedene Schwellwerte getestet und optimiert. Aufgrund der genannten kritischen Objekte wurden die Filter eng definiert, sodass nur vereinzelte Pixel den Filter passieren. Dadurch wird das detektieren von falschen Pixel stark beschränkt, die Fehler-Anfälligkeit im darauffolgenden Programm steigt jedoch stark. Eine durch die App "ColorThresholder" generierte Matlab-Funktion sieht beispielsweise wie folgt aus:

function [BW,maskedRGBImage] = Yellow(RGB)
%createMask  Threshold RGB image using auto-generated code from colorThresholder app.
%  [BW,MASKEDRGBIMAGE] = createMask(RGB) thresholds image RGB using
%  auto-generated code from the colorThresholder App. The colorspace and
%  minimum/maximum values for each channel of the colorspace were set in the
%  App and result in a binary mask BW and a composite image maskedRGBImage,
%  which shows the original RGB image values under the mask BW.

% Auto-generated by colorThresholder app on 18-Jun-2016
%------------------------------------------------------


% Convert RGB image to chosen color space
I = rgb2hsv(RGB);

% Define thresholds for channel 1 based on histogram settings
channel1Min = 0.022;
channel1Max = 0.169;

% Define thresholds for channel 2 based on histogram settings
channel2Min = 0.717;
channel2Max = 0.909;

% Define thresholds for channel 3 based on histogram settings
channel3Min = 0.651;
channel3Max = 0.791;

% Create mask based on chosen histogram thresholds
BW = (I(:,:,1) >= channel1Min ) & (I(:,:,1) <= channel1Max) & ...
    (I(:,:,2) >= channel2Min ) & (I(:,:,2) <= channel2Max) & ...
    (I(:,:,3) >= channel3Min ) & (I(:,:,3) <= channel3Max);

% Initialize output masked image based on input image.
maskedRGBImage = RGB;

% Set background pixels where BW is false to zero.
maskedRGBImage(repmat(~BW,[1 1 3])) = 0;

Korrektur/Rückmeldungen

Hier können Nutzer oder kritische Leser (meist Professoren) Verbesserungen fordern/vorschlagen.