Detection of obstacles on the road using a car camera

S obzirom na nagli rast područja razvoja programske potpore za autonomna vozila sposobnost detekcije i klasifikacije objekata u neposrednom okruženju automobila relevantnija je nego ikad. U ovom radu predstavljena je jedna od mogućih metoda koja rješava takav problem – metoda linearnih potpornih vektora. Kao prvi korak implementacije ove metode izdvojene su svojstvene značajke promatranih objekata pomoću histograma usmjerenih gradijenata. Na temelju dobivenih vektora istreniran je model za prepoznavanje automobila. Za potrebe implementacije višeklasne klasifikacije iskorišten je model za prepoznavanje pješaka iz biblioteke OpenCV, te su dobivene vrijednosti pouzdanosti detekcije uspoređene u svrhu donošenja konačne odluke. Potrebni parametri dobiveni su provođenjem iterativnih testova prilagođeni konkretnim primjerima. Konačni rezultat je uspješna detekcija i klasifikacija automobila i pješaka u većini slučajeva.Due to the rapid growth of the software development area for autonomous vehicles, the ability to detect and classify objects in the immediate vicinity of a car is more relevant than ever. This paper presents one of the possible methods that solves such a problem - the method of linear support vectors. As the first step in the implementation of this method, the features of the observed objects were extracted using histograms of oriented gradients. Based on the obtained vectors, a car recognition model was trained. For the purposes of implementing the multi-class classification, a model for pedestrian recognition from the OpenCV library was used, and the final decision was made by comparing the obtained detection reliability values. The required parameters were obtained by conducting iterative tests adapted to specific examples. The end result is successful detection and classification of cars and pedestrians in most cases