Đồ án tốt nghiệp - Ứng dụng tri tuệ nhân tạo để phát triển hệ thống nhận diện và TDLĐCXTLĐÁTNNCNKTÔT

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ TH

T TH NH PHỐ HỒ CHÍ MINH

KHOA CƠ KHÍ ĐỘNG LỰC

ĐỒ ÁN TỐT NGHIỆP

ỨNG DỤNG TRÍ TUỆ NHÂN TẠO ĐỂ PHÁT TRIỂN HỆ
THỐNG NHẬN DIỆN VÀ THEO DÕI LÀN ĐƯỜNG CHO
XE TỰ LÁI

SVTH : NGÔ THÀNH MIN
MSSV:

15145289

SVTH : LÊ VĂN TRIỆU
MSSV:

15145393

GVHD: PGS.TS. ĐỖ VĂN DŨNG

Tp. Hồ Chí Minh, tháng 7 năm 2019

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ TH

T TH NH PHỐ HỒ CHÍ MINH

KHOA CƠ KHÍ ĐỘNG LỰC

ĐỒ ÁN TỐT NGHIỆP
Chuyên ngành: Công nghệ Kỹ thuật ô tô

Tên đề tài

ỨNG DỤNG TRÍ TUỆ NHÂN TẠO ĐỂ PHÁT TRIỂN HỆ
THỐNG NHẬN DIỆN VÀ THEO DÕI LÀN ĐƯỜNG CHO
XE TỰ LÁI

SVTH :

NGÔ THÀNH MIN

MSSV:

15145289

SVTH :

LÊ VĂN TRIỆU

MSSV:

15145393

GVHD:

PGS.TS. ĐỖ VĂN DŨNG

Tp. Hồ Chí Minh, tháng 7 năm 2019

TRƯỜNG ĐH SƯ PHẠM KỸ THU T

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

TP. HỒ CHÍ MINH

Độc Lập – Tự Do – Hạnh Phúc

KHOA CƠ KHÍ ĐỘNG LỰC

TP. Hồ Chí Minh, ngày 22 tháng 7 năm 2019

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ tên sinh viên:

1. NGÔ THÀNH MIN

MSSV: 15145289

(E-mail: [email protected]

Điện thoại: 0333772680 )

2. LÊ VĂN TRIỆU

MSSV: 15145393

(E-mail:[email protected]

Điện thoại: 0355997404)

Ngành: Công nghệ Kỹ thuật ô tô
Khóa: 2015
1. Tên đề tài:
Ứng dụng trí tuệ nhân tạo để phát triển hệ thống nhận diện và theo dõi làn đường
cho xe tự lái
2. Nhiệm vụ đề tài:
Nghiên cứu và ứng dụng trí tuệ nhân tạo trong việc nhận diện và theo dõi lane
đường trên nền tảng Deep learning
3. Sản phẩm của đề tài:
Giải thuật, phần mềm
4. Ngày giao nhiệm vụ đề tài: 02/04/2019
5. Ngày hoàn thành nhiệm vụ: 22/7/2019
TRƯỞNG BỘ MÔN

CÁN BỘ HƯỚNG DẪN

PGS.TS. Đỗ Văn Dũng

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THU T TP. HCM

KHOA CƠ KHÍ ĐỘNG LỰC

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập - Tự do – Hạnh phúc

Bộ môn Điện tử ô tô

PHIẾU NHẬN XÉT ĐỒ ÁN TỐT NGHIỆP
(Dành cho giảng viên hướng dẫn)

Họ và tên sinh viên NGÔ THÀNH MIN

MSSV: 15145289

Hội đồng:…………

Họ và tên sinh viên LÊ VĂN TRIỆ

MSSV: 15145393

Hội đồng:…………

Tên đề tài: Ứng dụng trí tuệ nhân tạo để phát triển hệ thống nhận diện và theo dõi làn đường cho
xe tự lái
Ngành đào tạo: Công nghệ Kỹ thuật ô tô
Họ và tên GV hướng dẫn: PGS.TS. Đỗ Văn Dũng
Ý KIẾN NHẬN XÉT
1. Nhận xét về tinh thần, thái độ làm việc của sinh viên (không đánh máy)
...................................................................................................................................................................................
..............................................................................................
...

...
Sau khi hoàn thành, chạy deviceQuery và p2pBandwidthLatencyTest bằng lệnh:
$ cd /usr/local/cuda/samples/bin/x86_64/linux/release
$ ./deviceQuery
Sau khi chạy chương trình test, bạn sẽ nhận được kết quả:

91

92

Bước 3: Cài đặt cuDNN 7.0
Vào trang web download cuDNN: https://developer.nvidia.com/rdp/cudnndownload (cần phải đăng ký tài khoản) và chọn phiên bản cuDNN 9.0 mới nhất cho
CUDA 9.0.
Tải 3 file có đuôi .deb: the runtime library, the developer library, và the code
samples library for Ubuntu 16.04
Sau khi tải xong, trong thư mục download của mình, cài đặt 3 file vừa tải bằng
lệnh:
$ sudo dpkg -i libcudnn7_7.0.5.15–1+cuda9.0_amd64.deb (the runtime library).
$ sudo dpkg -i libcudnn7-dev_7.0.5.15–1+cuda9.0_amd64.deb (the developer library)
$ sudo dpkg -i libcudnn7-doc_7.0.5.15–1+cuda9.0_amd64.deb (the code samples).
Bây giờ, bạn có thể kiểm tra cuDNN có được cài đặt hay chưa bằng cách:
- Sao chép code mẫu bằng lệnh cp -r /usr/src/cudnn_samples_v7/ ~.
- Di chuyển code đến ví dụ MNIST: cd ~/cudnn_samples_v7/mnistCUDNN.
- Biên dịch ví dụ MNIST: make clean &amp&amp make.
- Chạy ví dụ MNIST:./mnistCUDNN. Nếu cuDNN đã được cài đặt thành công, bạn sẽ thấy
Test passed! ở cuối phần kết quả trả về.
Cài đặt Tensorflow 1.10.0
Sau khi cài Cuda 9.0 và cuDNN 7.0, ta dễ dàng cài đặt Tensorflow 1.10.0 bằng
lệnh:
$ pip install tensorflow==1.10.0
Để kiểm tra xem Tensorflow đã được cài đặt thành công hay chưa. Ta mở terminal
và gõ thử các lệnh python sau. Nếu báo lỗi tức là cài đặt không thành công
$ python
...
import tensorflow as tf
hello = tf.constant(Hello, TensorFlow!)
sess = tf.Session()
print(sess.run(hello))
93

Hello, TensorFlow!
a = tf.constant(10)
b = tf.constant(32)
print(sess.run(a + b))
42
Cài đặt easydict 1.6

Ta cài đặt easydict 1.6 bằng lệnh:
$ pip install easydict==1.6
Để kiểm tra easydict đã được cài thành công hay chưa. Ta chạy đoạn code sau với
python, nếu không có lỗi thì easydict đã được cài đặt thành công.
$ python
...
from easydict import EasyDict as edict
d = edict({‘foo’:3, ‘bar’:{‘x’:1, ‘y’:2}})
d.foo
3
d.bar.x
1
d = edict(foo=3)
d.foo
3
Cài đặt các gói và thư viện còn lại

Opencv_python 3.4.1.15: pip install opencv-python==3.4.1.15
Glog 0.3.1: pip install glog==0.3.1
Tensorflow-gpu 1.10.0: pip install tensorflow-gpu==1.10.0
Numpy 1.13.1: pip install numpy==1.13.1
Matplotlib 2.0.2: pip install matplotlib==2.0.2
94

Scikit_learn 0.19.1: pip install scikit-learn==0.19.

95