CN114610029A - 一种自主导航的智能小车视觉系统 - Google Patents
一种自主导航的智能小车视觉系统 Download PDFInfo
- Publication number
- CN114610029A CN114610029A CN202210224081.8A CN202210224081A CN114610029A CN 114610029 A CN114610029 A CN 114610029A CN 202210224081 A CN202210224081 A CN 202210224081A CN 114610029 A CN114610029 A CN 114610029A
- Authority
- CN
- China
- Prior art keywords
- image
- processing unit
- cpu processing
- road
- vision system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000033001 locomotion Effects 0.000 claims abstract description 21
- 238000003709 image segmentation Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000004148 unit process Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000010365 information processing Effects 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000002567 autonomic effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种自主导航的智能小车视觉系统，属于汽车自动驾驶辅助技术；它包括用于采集路面图像信息的CCD传感器；CCD传感器安装在车体前侧，且CCD传感器与视频图像采集卡信号连接；视频图像采集卡与CPU处理单元信号连接；CPU处理单元能够对监控显示器于运动控制卡进行控制；本发明有效地解决了当前所使用自动驾驶采集道路交通情况时所存在的数据量冗余过多，计算量过大，浪费处理器性能的问题。
Description
技术领域
本发明涉及汽车自动驾驶辅助技术，具体涉及一种自主导航的智能小车视觉系统。
背景技术
自主导航车辆又称为智能车辆，是一个集成视觉技术、环境感知、实时控制、决策技术、辅助驾驶等多种功能于一体的综合体系，有着广阔的应用前景。
根据统计，驾驶员可以通过视觉获得90%以上的环境信息，如车道线，车辆障碍物等。同样，在自主导航车辆感知环境方面，利用视觉是最有效的方式，因此国内外设计自主导航车辆感知系统一般都是采用机器视觉为主的技术路线。
目前众多的机构都在进行自主导航车辆的研究，已经成为“智能交通系统（ITS）”研究开发的重点。在实现车辆感知外部环境方面，在经过多方面的探索之后，利用计算机视觉进行自主导航是目前研究的主流，得到了各国的广泛重视。驾驶员在行车中需要的信息几乎全部来自视觉，因此自主导航系统的首要功能就是采集道路环境的图像信息，并用计算机加以解释，来代替或帮助驾驶员理解周围的环境。
为了准确识别道路环境，视觉导航系统理应获得车辆前方道路的三维信息，包括车辆与道路的位置关系和道路中障碍物信息。要正确的理解三维世界环境，目前有的机构采用双目或者三目视觉系统，但是双目或者三目视觉系统需要的计算量比较大，目前的计算机的计算能力还不足以满足车辆导航系统的实时要求，并且也会提高系统成本。对于道路检测来说，需要获得的是道路方向、车辆对应与道路的位置关系，也没有必要一定要完全重现整个三维世界环境。
发明内容
本发明所要解决的技术问题是：提供一种自主导航的智能小车视觉系统，以解决当前所使用自动驾驶采集道路交通情况时所存在的数据量冗余过多，计算量过大，浪费处理器性能的问题。
为解决上述问题，本发明提供了如下技术方案：
一种自主导航的智能小车视觉系统，它包括用于采集路面图像信息的CCD传感器；CCD传感器安装在车体前侧，且CCD传感器与视频图像采集卡信号连接；视频图像采集卡与CPU处理单元信号连接；CPU处理单元能够对监控显示器于运动控制卡进行控制。
优选的，CCD传感器安装在车体前方靠近中央的云台上，且CCD传感器的光轴与地面和车体的纵轴保持平行。
优选的，视频图像采集卡集成设置在安装在CPU处理单元中，监控显示器为设置在车体内的液晶显示器，且监控显示器通过导线与 CPU处理单元相连接。
一种自主导航的智能小车视觉系统的控制方法，包括以下步骤：
S1、数据采集；由CCD传感器对前方行驶路面进行拍照采集，并将采集到的图像存入CPU处理单元中特定的缓冲区，CPU处理单元通过指定程序读取图像文件，捕获单帧或视频流，同时设置捕获速率，保存或显示数字视频数据；
S2、信息处理；CPU处理单元调用视觉处理算法对获得的图像数据信息进行计算，以识别前方道路路面的信息，获得道路图像边缘、障碍物，同时视觉标定车辆在道路上的位置；
S3、运动控制；CPU处理单元根据路面信息判断车体是否接近路面边缘，车体前方是否存在障碍物及与障碍物之间的距离，并针对不同情况向运动控制卡输出运动指令；
S4、车辆运动；运动控制卡执行来自CPU处理单元的运动指令，控制车体进行运动。
在步骤S2中所调用的视觉处理算法包括以下步骤：
St1、图像读取；CCD传感器将道路的光信号转化为模拟信号后输入视频图像采集卡，由视频图像采集卡中的A/D转换器转化为数字信号，以供CPU处理单元进行图像读取；
St2、图像预处理；CPU处理单元依次通过彩色转灰度、灰度变换、空域滤波、直方图处理的手段处理获得的图像数据；
St3、图像处理；CPU处理单元采用图像分割和边缘提取算法对预处理后的图像序列进行处理与分析；在边缘提取时，首先利用Sobel算子对图像进行二值处理，再用编组法对图像进行提取，最后用广义Hough变换检测出直线；在进行图像分割时，通过对直方图可分性分析，采用最大面积法选取最大类间、类内方差比的初值，再对图像进行分割；
St4、通过离线标定的结果计算出车辆在道路中的位置。
进一步的，在步骤St1中，数字信号图像的数据结构是按照起始于左上角的由左至右、由上至下的顺序在图像阵列中存储的，每个数据含有图像文件的位置和颜色信息。
进一步的，在步骤St2中，在进行彩色转灰度处理时，采用制定特征空间的方法来配合后期图像分割处理；在进行空域滤波时，采用局部中值滤波的方法。
本发明有益效果：
本实施例从结构设计灵活化、功能分块化、智能化的设计思想出发，采用数字图像处理技术来实现前方道路的识别。采用结合了C++开发平台的CCD传感器对图像进行采集，利用MATLAB强大的计算功能来对图像处理，并通过设计软件算法提高检测的速度和精度。车辆控制系统可以根据视觉导航的输出，使得控制系统产生相应的控制决策，对车辆的相应执行机构发出指令，从而通过执行机构自主决定车辆当前的前进方向（左转、右转或者直行）和控制车辆自身的运动状态（加速或者减速）；其相较于用作导航的双目或三目视觉系统而言，采用成本更低的单目类CCD传感器也能够直接满足正常的小车导航需求，且系统需求算力更低，减少硬件成本的配置的同时还减少了不必要冗余量的浪费。
附图说明
图1是本实施例中电器元件的连接示意图；
图2是本实施例中控制流程图；
图3是本实施例中视觉处理算法的设计图。
具体实施方式
下面结合附图及具体的实施例对本发明进行进一步介绍：
实施例：
参照图1，本实施例提供一种自主导航的智能小车视觉系统；它包括用于采集路面图像信息的CCD传感器；CCD传感器安装在车体前侧，且CCD传感器与视频图像采集卡信号连接；视频图像采集卡与CPU处理单元信号连接；CPU处理单元能够对监控显示器于运动控制卡进行控制。
CCD传感器安装在车体前方靠近中央的云台上，且CCD传感器的光轴与地面和车体的纵轴保持平行。
视频图像采集卡集成设置在安装在CPU处理单元中，监控显示器为设置在车体内的液晶显示器，且监控显示器通过导线与 CPU处理单元相连接。
一种自主导航的智能小车视觉系统的控制方法，包括以下步骤：
S1、数据采集；由CCD传感器对前方行驶路面进行拍照采集，并将采集到的图像存入CPU处理单元中特定的缓冲区，CPU处理单元通过指定程序读取图像文件，捕获单帧或视频流，同时设置捕获速率，保存或显示数字视频数据；这一部分是车辆系统与外界环境联系的纽带，在抓取图像的基础上，还要管理和存储图像，进行图像格式转换等；
S2、信息处理；CPU处理单元调用视觉处理算法对获得的图像数据信息进行计算，以识别前方道路路面的信息，获得道路图像边缘、障碍物，同时视觉标定车辆在道路上的位置；对视频图像的处理和分析，可以用算法的形式描述，且大多数的算法可用软件实现；现代高性能的CPU己经完全可以在很短的时间内完成处理，满足导航环境分析的实时性要求；
本实施例中将道路的检测分为区域检测和特征检测。区域检测实际是一个聚类问题，即将道路分为道路区域和非道路区域，方法是基于颜色或纹理的图像分割（阈值分割）。基于特征的方法是检测图像中的特征点，如道路标记和边缘点。由于本实施例提出的对象主要是针对户外道路环境，结构相对复杂，目前的任意一种单一算法都很难满足要求，所以本发明先通过特征提取算法，提取出道路边缘，再以基于边缘的图像分割和基于颜色的图像分割对道路进行识别。
S3、运动控制；CPU处理单元根据路面信息判断车体是否接近路面边缘，车体前方是否存在障碍物及与障碍物之间的距离，并针对不同情况向运动控制卡输出运动指令；
S4、车辆运动；运动控制卡执行来自CPU处理单元的运动指令，控制车体进行运动。
在步骤S2中所调用的视觉处理算法包括以下步骤：
St1、图像读取；CCD传感器将道路的光信号转化为模拟信号后输入视频图像采集卡，由视频图像采集卡中的A/D转换器转化为数字信号，以供CPU处理单元进行图像读取；
St2、图像预处理；CPU处理单元依次通过彩色转灰度、灰度变换、空域滤波、直方图处理的手段处理获得的图像数据；
其中彩色转灰度的目的是对图像原始数据进行删减，尽可能多的保证有用的道路信息，本实施例中采用制定特征空间的方法来配合后期图像分割处理；
灰度变换目的是增强图像数据中的有用信息，使图像分割更加准确；
空域滤波目的是去掉噪声，同时又要尽量保持所需的图像特征；根据具体采集而来的视频图像特点；本实施例中采用了采用局部中值滤波的方法；
直方图规定化能够自动增加整个图像的对比度，但在实际中有选择地来增强某个灰度值范围内的对比度，它能够使图像中看不清的细节变得清晰；
St3、图像处理；
在导航过程中，要求对所采集的图像信息做实时准确的处理，因此对算法的实时性要求高。传统的边缘检测和图像处理算法尽管在进度上能满足要求，如Hough变换检测直线、最大类间、类内方差比法分割图像，但计算量都比较大。因此，需要在保证处理精度能满足要求的基础上，通过改进检测算法来满足视觉导航的要求。
CPU处理单元采用图像分割和边缘提取算法对预处理后的图像序列进行处理与分析；在边缘提取时，首先利用Sobel算子对图像进行二值处理，再用编组法对图像进行提取，最后用广义Hough变换检测出直线；在进行图像分割时，通过对直方图可分性分析，采用最大面积法选取最大类间、类内方差比的初值，再对图像进行分割；
St4、通过离线标定的结果计算出车辆在道路中的位置，从而便于对车体接下来的动作进行规划。
本实施例的算法主要是进行道路检测，根据读入的图像，调用不同的算法对其进行处理。根据抽象程度的高低，算法均可分为4个层次，前一层处理的结果作为后一层的输入，每一层处理的数据量呈递减趋势。这符合一般图像理解的过程，即从大量的原始数据中提取出有用的信息。
在步骤St1中，数字信号图像的数据结构是按照起始于左上角的由左至右、由上至下的顺序在图像阵列中存储的，每个数据含有图像文件的位置和颜色信息。
按照上述实施例，便可很好地实现本发明。值得说明的是，基于上述结构设计的前提下，为解决同样的技术问题，即使在本发明上做出的一些无实质性的改动或润色，所采用的技术方案的实质仍然与本发明一样，故其也应当在本发明的保护范围内。
Claims (7)
1.一种自主导航的智能小车视觉系统，其特征在于：它包括用于采集路面图像信息的CCD传感器；CCD传感器安装在车体前侧，且CCD传感器与视频图像采集卡信号连接；视频图像采集卡与CPU处理单元信号连接；CPU处理单元能够对监控显示器于运动控制卡进行控制。
2.根据权利要求1所述的一种自主导航的智能小车视觉系统，其特征在于：CCD传感器安装在车体前方靠近中央的云台上，且CCD传感器的光轴与地面和车体的纵轴保持平行。
3.根据权利要求1所述的一种自主导航的智能小车视觉系统，其特征在于：视频图像采集卡集成设置在安装在CPU处理单元中，监控显示器为设置在车体内的液晶显示器，且监控显示器通过导线与 CPU处理单元相连接。
4.根据权利要求1至3任一所述的一种自主导航的智能小车视觉系统的控制方法，其特征在于：包括以下步骤：
S1、数据采集；由CCD传感器对前方行驶路面进行拍照采集，并将采集到的图像存入CPU处理单元中特定的缓冲区，CPU处理单元通过指定程序读取图像文件，捕获单帧或视频流，同时设置捕获速率，保存或显示数字视频数据；
S2、信息处理；CPU处理单元调用视觉处理算法对获得的图像数据信息进行计算，以识别前方道路路面的信息，获得道路图像边缘、障碍物，同时视觉标定车辆在道路上的位置；
S3、运动控制；CPU处理单元根据路面信息判断车体是否接近路面边缘，车体前方是否存在障碍物及与障碍物之间的距离，并针对不同情况向运动控制卡输出运动指令；
S4、车辆运动；运动控制卡执行来自CPU处理单元的运动指令，控制车体进行运动。
5.根据权利要求4所述的一种自主导航的智能小车视觉系统的控制方法，其特征在于：在步骤S2中所调用的视觉处理算法包括以下步骤：
St1、图像读取；CCD传感器将道路的光信号转化为模拟信号后输入视频图像采集卡，由视频图像采集卡中的A/D转换器转化为数字信号，以供CPU处理单元进行图像读取；
St2、图像预处理；CPU处理单元依次通过彩色转灰度、灰度变换、空域滤波、直方图处理的手段处理获得的图像数据；
St3、图像处理；CPU处理单元采用图像分割和边缘提取算法对预处理后的图像序列进行处理与分析；在边缘提取时，首先利用Sobel算子对图像进行二值处理，再用编组法对图像进行提取，最后用广义Hough变换检测出直线；在进行图像分割时，通过对直方图可分性分析，采用最大面积法选取最大类间、类内方差比的初值，再对图像进行分割；
St4、通过离线标定的结果计算出车辆在道路中的位置。
6.根据权利要求5所述的一种自主导航的智能小车视觉系统的控制方法，其特征在于：在步骤St1中，数字信号图像的数据结构是按照起始于左上角的由左至右、由上至下的顺序在图像阵列中存储的，每个数据含有图像文件的位置和颜色信息。
7.根据权利要求5所述的一种自主导航的智能小车视觉系统的控制方法，其特征在于：在步骤St2中，在进行彩色转灰度处理时，采用制定特征空间的方法来配合后期图像分割处理；在进行空域滤波时，采用局部中值滤波的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210224081.8A CN114610029A (zh) | 2022-03-09 | 2022-03-09 | 一种自主导航的智能小车视觉系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210224081.8A CN114610029A (zh) | 2022-03-09 | 2022-03-09 | 一种自主导航的智能小车视觉系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114610029A true CN114610029A (zh) | 2022-06-10 |
Family
ID=81862000
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210224081.8A Pending CN114610029A (zh) | 2022-03-09 | 2022-03-09 | 一种自主导航的智能小车视觉系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114610029A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110131678A (ko) * | 2010-05-31 | 2011-12-07 | 호서대학교 산학협력단 | 지능형 운송 시스템의 도로 및 차선 검출 시스템 및 방법 |
| CN102685516A (zh) * | 2011-03-07 | 2012-09-19 | 李慧盈 | 立体视觉主动安全辅助驾驶方法 |
| CN103455820A (zh) * | 2013-07-09 | 2013-12-18 | 河海大学 | 基于机器视觉技术的车辆检测和跟踪方法及系统 |
| CN109242880A (zh) * | 2018-08-24 | 2019-01-18 | 国网福建省电力有限公司漳州供电公司 | 一种基于图像处理的电力线提取方法 |
| CN211552867U (zh) * | 2020-02-29 | 2020-09-22 | 华南理工大学 | 一种用于辅助无人驾驶小车的视觉导航系统 |
-
2022
- 2022-03-09 CN CN202210224081.8A patent/CN114610029A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110131678A (ko) * | 2010-05-31 | 2011-12-07 | 호서대학교 산학협력단 | 지능형 운송 시스템의 도로 및 차선 검출 시스템 및 방법 |
| CN102685516A (zh) * | 2011-03-07 | 2012-09-19 | 李慧盈 | 立体视觉主动安全辅助驾驶方法 |
| CN103455820A (zh) * | 2013-07-09 | 2013-12-18 | 河海大学 | 基于机器视觉技术的车辆检测和跟踪方法及系统 |
| CN109242880A (zh) * | 2018-08-24 | 2019-01-18 | 国网福建省电力有限公司漳州供电公司 | 一种基于图像处理的电力线提取方法 |
| CN211552867U (zh) * | 2020-02-29 | 2020-09-22 | 华南理工大学 | 一种用于辅助无人驾驶小车的视觉导航系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张俊: "基于视觉的户外自主导航车辆的道路识别研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, 15 February 2007 (2007-02-15), pages 7 - 12 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109948661B (zh) | 一种基于多传感器融合的3d车辆检测方法 | |
| CN109409202B (zh) | 基于动态感兴趣区域的鲁棒性车道线检测方法 | |
| CN110688992B (zh) | 交通信号识别方法、装置、车辆导航设备和无人驾驶车辆 | |
| CN109797691B (zh) | 一种无人清扫车及其行车方法 | |
| CN111360780A (zh) | 一种基于视觉语义slam的垃圾捡拾机器人 | |
| CN104751151B (zh) | 一种实时多车道识别及跟踪方法 | |
| CN109948413B (zh) | 基于高精度地图融合的车道线检测方法 | |
| CN106326822A (zh) | 车道线检测的方法及装置 | |
| CN107831760A (zh) | 机器人障碍物处理系统及方法 | |
| Lim et al. | Vision‐based Lane‐Vehicle Detection and Tracking | |
| CN113297881B (zh) | 一种目标检测方法及相关装置 | |
| CN210031639U (zh) | 无人清扫车 | |
| CN110083099B (zh) | 一种符合汽车功能安全标准自动驾驶架构系统和工作方法 | |
| CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
| CN103593671A (zh) | 基于三摄像机协同的大范围车道线视觉检测方法 | |
| CN111222522A (zh) | 神经网络训练、路面检测、智能驾驶控制方法和装置 | |
| CN115376082B (zh) | 一种融合传统特征提取与深度神经网络的车道线检测方法 | |
| CN205158461U (zh) | 机器人出入口控制系统 | |
| CN112215073A (zh) | 高速运动场景下的交通标线快速识别与循迹方法 | |
| CN107578046A (zh) | 一种基于图像二值化处理的辅助车辆行驶方法 | |
| CN114495066A (zh) | 一种辅助倒车的方法 | |
| CN106960193A (zh) | 一种车道线检测装置和方法 | |
| CN112329694A (zh) | 一种车道线自动识别的方法、装置及可读存储介质 | |
| CN114610029A (zh) | 一种自主导航的智能小车视觉系统 | |
| CN112241717B (zh) | 前车检测方法、前车检测模型的训练获取方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |