BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH
KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

ĐỒ ÁN TỐT NGHIỆP
NGÀNH CÔNG NGHỆ KỸ THUẬT MÁY TÍNH
ĐỀ TÀI:

ỨNG DỤNG THỊ GIÁC MÁY TÍNH VÀO HỆ THỐNG
LÁI XE TIÊN TIẾN ADAS

GVHD: TS. TRẦN VŨ HOÀNG
SVTH:
NGUYỄN ANH VŨ
MSSV: 18119135
VÕ VĂN QUÝ
MSSV: 18119112

TP. Hồ Chí Minh, tháng 8 năm 2022

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH
KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

ĐỒ ÁN TỐT NGHIỆP
NGÀNH CÔNG NGHỆ KỸ THUẬT MÁY TÍNH
ĐỀ TÀI:

ỨNG DỤNG THỊ GIÁC MÁY TÍNH VÀO HỆ THỐNG
LÁI XE TIÊN TIẾN ADAS

GVHD: TS. TRẦN VŨ HOÀNG
SVTH:
NGUYỄN ANH VŨ
MSSV: 18119135
VÕ VĂN QUÝ
MSSV: 18119112

TP. Hồ Chí Minh, tháng 8 năm 2022

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP

I

LỜI CẢM ƠN
Khi thực hiện đề tài tốt nghiệp này, cũng là thời gian mà chúng em sắp kết thúc quãng đường
học tập tại trường. Trong thời gian qua, nhà trường và thầy cô luôn tạo điều kiện tối đa giúp
chúng em học tập, tìm tòi và truyền đạt tất cả kiến thức vô cùng quý báu đến chúng em.
Với đồ án tốt nghiệp này, nó đánh dấu một chặng đường ý nghĩa trong cuộc đời của mỗi sinh
viên, sau khoảng thời gian học tập của chúng em tại ngôi trường này. Qua đây, nhóm chúng
em xin gửi lời cảm ơn sâu sắc đến thầy cô, bạn bè đã đồng hành trong suốt bốn năm học tập.
Nhóm chúng em xin gửi lời cảm ơn sâu sắc đến thầy TS. Trần Vũ Hoàng, đã tận tình hướng
dẫn, chỉ bảo và đồng hành cùng nhóm trong suốt thời gian vừa qua để giúp nhóm chúng em
có thể hoàn thành khoá luận tốt nghiệp này. Cuối cùng, chúng con xin dành lời cảm ơn chân
thành nhất đến cha, mẹ - những người đã cùng đồng hành với con trong suốt quãng thời gian
học tập tại ngôi trường này.
Chúng em xin chân thành cảm ơn!
Nhóm sinh viên thực hiện
Võ Văn Quý
Nguyễn Anh Vũ

II

TÓM TẮT
Tại Việt Nam, với sự phát triển vượt bậc của các phương tiện giao thông, số vụ tai nạn giao
thông do người điều khiển xe mất tập trung gây lệch làn, ngủ gật, va chạm,… dẫn đến tai nạn
giữa các phương tiện ngày càng gia tăng. Để giảm thiểu điều này, Advanced Driver Assistance
Systems (ADAS) đã ra đời để hỗ trợ tài xế lái xe an toàn và thuận tiện hơn, nó bao gồm nhiều
cảm biến và camera giám sát. Trong luận văn này, chúng tôi đã ứng dụng thị giác máy tính
vào ADAS để xây dựng một mô hình mạng đa tác vụ có khả năng nhận diện được đồng thời
các phương tiện và làn đường, thay vì sử dụng các cảm biến để nhận diện thường được tích
hợp trên các hệ thống ADAS gây tốn kém chi phí. Dữ liệu đầu vào là video từ mộ
...

...
d, Marco Andreetto, Hartwig Adam, (2017), “MobileNets: Efficient
Convolutional Neural Networks for Mobile Vision Applications”, Computer Vision and
Pattern Recognition.
[16] Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun, (2015), “Deep Residual
Learning for Image Recognition”, Computer Vision and Pattern Recognition.
[17] Barret Zoph, Quoc V. Le, (2017), “Neural Architecture Search with Reinforcement
Learning”.
[18] W. Liu et al., (2016), “SSD: Single Shot MultiBox Detector”, in: Leibe, B. et al. (eds.)

Computer Vision – ECCV 2016. pp. 21–37.
[19] Tsung-Yi Lin, Piotr Dollar´, Ross Girshick, Kaiming He, Bharath Hariharan, Serge
Belongie, (2017), “Feature Pyramid Networks for Object Detection”, Computer Vision
and Pattern Recognition.
[20] Kaixin Wang, Jun Hao Liew, Yingtian Zou, Daquan Zhou, Jiashi Feng, (2020),
“PANet: Few-Shot Image Semantic Segmentation with Prototype Alignment”, Computer
Vision and Pattern Recognition.
[21] Alex Krizhevsky, Lya Sutskever, Geoffrey E. Hinton, (2012), “ImageNet
Classification with Deep Convolutional Neural Networks”.
[22] Fisher Yu, Haofeng Chen, Xin Wang, Wenqi Xian, Yingying Chen, Fangchen Liu,
Vashisht Madhavan, Trevor Darrell, (2020), “BDD100K: A Diverse Driving Dataset for
Heterogeneous Multitask Learning”, Computer Vision and Pattern Recognition.
[23] D. Wu, M. Liao, W. Zhang, X. Wang, (2022), “YOLOP: You Only Look Once for

Panoptic Driving Perception”.
[24] Dat Vu, Bao Ngo, Hung Phan, (2022), “HybridNets: End-to-End Perception
Network”, Computer Vision and Pattern Recognition.
[25] Ying Zilu, Fang Xieyan, (2008), “Combining LBP and Adaboost for facial expression
recognition”.
[26] Camilo Lélis A. Gonçalves, Ronaldo De Freitas Zampolo, Fabrício José Brito Barros,
Ana Claudia S. Gomes, (2019), “ Improving the performance of a SVM+HOG classifier
for detection and tracking of wagon components by using geometric constraints”.
[27] Nguyễn Đình Quân, (2015), “Ứng dụng sóng não phát hiện dấu hiệu buồn ngủ và đưa
ra tín hiệu cảnh báo đối người lái”.
[28] Marvin Teichmann, Michael Weber, J. Marius Zöllner, Roberto Cipolla, (2016),
“MultiNet: Real-time Joint Semantic Reasoning for Autonomous Driving”.
[29] Yeqiang Qian, John M. Dolan, Ming Yang, (2020), “DLT-Net: Joint Detection of
Drivable Areas, Lane Lines, and Traffic Objects”.
[30] Poorvi Taunk, Vani Jayasri Geddada, Padma Priya, N. Suresh Kumar, (2020), “Face
Detection using Viola Jones with Haar Cascade”.
58

BIÊN BẢN HỘI ĐỒNG

59

60

61