В данной работе рассматривается использование алгоритмов компьютерного зрения и машинного обучения для их применения в беспилотных транспортных средствах, в частности беспилотный автомобилях. Более подробно, выделяется внимание на задачу обработки изображении из видеопотока для получения информации об окружаюшего пространства, способствуя возможности дальнейшего принятия решения об управляемых действиях автомобиля. Целью работы является разработка системы зрения для беспилотного автомобиля, позволяющая воспринять окружающее пространство из видеопотока. Данная система на входе должна принимать кадры из видеопотока, при этом предполагается что камера находится в передней части автомобиля и направлена вперед, глядя на пространство перед автомобилем. В качестве выхода система должна отдавать размеченные данные дороги. Дополнительно рассмотрена задача построения траектория движения при анализе размеченных данных дороги. При выполнения этой работы были рассмотрены различные способы обработки изображения, исходя из алгоритмов компьютерного зрения и машинного обучения. Проверка работы и оценка качество алгоритмов проводилось на имеющихся исходных видео файлов с высoким разрешением со съемкой гоночной трассы. Результирующие метки качественно выделяют дорогу даже при плохих условиях и являются достаточными для использования в дальнейших этапах систем зрения в беспилотных автомобилях.

This paper discusses the use of computer vision and machine learning algorithms for their use in autonomous vehicles, in particular self-driving cars. In more detail, the work is focused on the task of processing images from a video stream to obtain information about the surrounding environment, contributing to the possibility of further decision-making for controlling actions of the vehicle. The aim of the work is to develop a vision system for an autonomous vehicle, which allows to perceive the surrounding environment from a video stream. This system should receive frames from a video stream as input, assuming that the camera is in front of the vehicle and is directed forward, looking at the space in front of the vehicle. As an output, the system should return labeled road data. In addition, the problem of constructing a movement trajectory from analysis of the labeled road data is considered. In carrying out this work, various methods of image processing were considered based on computer vision and machine learning algorithms. Verification of the work and evaluation of the quality of the algorithms was carried out on the available source video files with high resolution taken on a racing track. The resulting labels extract the road with high quality even under poor conditions and are sufficient for use in subsequent stages of vision systems in autonomous vehicles.