|
|
People Detection Using Radar
Bartko, Jakub ; Zemčík, Pavel (oponent) ; Maršík, Lukáš (vedoucí práce)
This thesis aims to research the applicability of deep learning methods on point clouds generated by millimeter-wave radars, as a solution for people detection, and 3D scene understanding in general. Radar is a system that uses radio waves to determine the distance, azimuth, and velocity of surrounding objects. For each point of detection, Cartesian coordinates can be calculated, to produce a set of points in 3D space called a point cloud. Deep neural network architectures designed to operate on sparse 3D point clouds can be trained for point-wise segmentation, object detection, classification, and tracking. This can be used to greatly advance the 3D scene understanding by machines. A model based on the state-of-the-art methods for object detection and classification on sparse point clouds was trained as a part of this thesis, for the purpose of people detection. To showcase the robustness of the trained model and the straightforwardness of its applicability to solve prominent real-world tasks of scene understanding, a people counting application was developed. The employed methods were thoroughly evaluated on a dataset created as a part of this thesis, consisting of over 19,500 labels on 3D radar point clouds.
|
|
|
Zpracování radarového signálu a fúze informací
Reich, Bořek ; Maršík, Lukáš (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce zkoumá možnosti fúze milimetrového radaru a kamery. Navrhuje vhodný postup a využití těchto senzorů za účelem detekce objektů, především se pak zaměřuje na vyhledávání osob a stanovení jejich vzdálenosti od senzorů. Klade důraz na použití konvolučních neuronových sítí jako prostředku pro realizaci fúze a detekce. Výstupem systému jsou informace zjištěné z dat milimetrového radaru i kamery, kdy je po provedení detekce pomocí milimetrového radaru zjištěna vzdálenost osoby. Výsledek fúze senzorů je prověřen pomocí nashromážděných dat z obou senzorů ve zhoršených světelných podmínkách, v neznámém prostředí, na neznámých osobách a pomocí referenčních údajů o vzdálenosti objektů.
|
|
|
Využití neuronových sítí pro fúzi obrazových a neobrazových dat
Reich, Bořek ; Maršík, Lukáš (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato diplomová práce se zabývá využitím konvolučních neuronových sítí pro fúzi obrazových a neobrazových dat. V práci jsou zkoumány jak detekční systémy využívající principy hlubokého učení spoléhající se pouze na obrazová data (snímky z kamery), tak detekční systémy, které využívají obrazová i neobrazová data (snímky z kamery a data z milimetrového radaru). Pro účely porovnání těchto typů metod (metod využívajících fúzi a metod spoléhajících se pouze na obrazová data) byla vytvořena jedinečná datová sada obsahující nezpracovaná data z milimetrového radaru a odpovídající časově synchronizované snímky z kamery zaměřená na monitorování dopravy. Dále je v této práci navržena časově synchronizační metoda pro milimetrový radar a kameru s použitím volně dostupného hardware. Za použití vytvořené datové sady je pak ověřena detekční schopnost systému využívajícího pouze data z kamery a fúzního systému využívajícího data z milimetrového radaru i kamery.
|
|
|
Sledování objektů pomocí radaru
Rafajová, Kateřina ; Zemčík, Pavel (oponent) ; Maršík, Lukáš (vedoucí práce)
Cílem této práce je upravit algoritmus Gtrack od společnosti Texas Instruments tak, aby byl použitelný v rámci jiných projektů v programovacím jazyce Python. Výhodou by mělo být především přehledné zadávání parametrů algoritmu. Práce s algoritmem skrze Texas Instruments je poměrně náročná, protože parametry ovlivňující tento algoritmus se zadávají prostřednictvím příkazové řádky. Ladit parametry je zdlouhavé a složité. Tato diplomová práce by měla umožnit jednodušší testování parametrů na nahraných datech. Algoritmus Gtrack využívá radarová zařízení. Radar vysílá signál, který se odráží od objektů v okolí a je zpět přijímán a zpracován. Výsledkem zpracování je 2D/3D point cloud (prostor kolem radaru). Z informací, které point cloud poskytuje je možné získat data týkající se objektů v okolí radaru. Základem je algoritmus Gtrack od společnosti Texas Instruments. Tato práce jej však umožňuje použít nezávisle na platformě od Texas Instruments. Sledovací algoritmus rozpozná jednotlivé objekty a po určitou dobu je dokáže monitorovat. Na základě rozpoznání a sledování daného objektu je možné spustit například nějakou další událost. Výsledkem je informace o objektech pohybujících se v okolí radaru. Hlavním přínosem je možnost využití algoritmu v rámci jiných projektů, jedinou podmínkou je vstupní point cloud ve správném tvaru.
|
|
|
Radar and Video Fusion
Galeta, Ondřej ; Reich, Bořek (oponent) ; Maršík, Lukáš (vedoucí práce)
The main goal of this work is to increase the quality of object tracking in three-dimensional space using the fusion of radar and video data obtained from traffic monitoring scenes. The thesis presents several methods dealing with collecting point pairs from both sensor coordinate systems for spatial calibration of sensors, with an emphasis on automation. It solves the association problem of multiple detected objects at once using a modified Hungarian algorithm. The work also shows some methods of predicting the distance of objects detected by video using a dataset obtained from radar. Output from the fusion model provides spatially extended tracks and more accurate counting of tracked objects than radar or video models alone, which can be used for further analysis of traffic in the observed scene.
|
|
|
Využití neuronových sítí pro fúzi obrazových a neobrazových dat
Reich, Bořek ; Maršík, Lukáš (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato diplomová práce se zabývá využitím konvolučních neuronových sítí pro fúzi obrazových a neobrazových dat. V práci jsou zkoumány jak detekční systémy využívající principy hlubokého učení spoléhající se pouze na obrazová data (snímky z kamery), tak detekční systémy, které využívají obrazová i neobrazová data (snímky z kamery a data z milimetrového radaru). Pro účely porovnání těchto typů metod (metod využívajících fúzi a metod spoléhajících se pouze na obrazová data) byla vytvořena jedinečná datová sada obsahující nezpracovaná data z milimetrového radaru a odpovídající časově synchronizované snímky z kamery zaměřená na monitorování dopravy. Dále je v této práci navržena časově synchronizační metoda pro milimetrový radar a kameru s použitím volně dostupného hardware. Za použití vytvořené datové sady je pak ověřena detekční schopnost systému využívajícího pouze data z kamery a fúzního systému využívajícího data z milimetrového radaru i kamery.
|
|
|
People Detection Using Radar
Bartko, Jakub ; Zemčík, Pavel (oponent) ; Maršík, Lukáš (vedoucí práce)
This thesis aims to research the applicability of deep learning methods on point clouds generated by millimeter-wave radars, as a solution for people detection, and 3D scene understanding in general. Radar is a system that uses radio waves to determine the distance, azimuth, and velocity of surrounding objects. For each point of detection, Cartesian coordinates can be calculated, to produce a set of points in 3D space called a point cloud. Deep neural network architectures designed to operate on sparse 3D point clouds can be trained for point-wise segmentation, object detection, classification, and tracking. This can be used to greatly advance the 3D scene understanding by machines. A model based on the state-of-the-art methods for object detection and classification on sparse point clouds was trained as a part of this thesis, for the purpose of people detection. To showcase the robustness of the trained model and the straightforwardness of its applicability to solve prominent real-world tasks of scene understanding, a people counting application was developed. The employed methods were thoroughly evaluated on a dataset created as a part of this thesis, consisting of over 19,500 labels on 3D radar point clouds.
|
|
|
Zpracování radarového signálu a fúze informací
Reich, Bořek ; Maršík, Lukáš (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato práce zkoumá možnosti fúze milimetrového radaru a kamery. Navrhuje vhodný postup a využití těchto senzorů za účelem detekce objektů, především se pak zaměřuje na vyhledávání osob a stanovení jejich vzdálenosti od senzorů. Klade důraz na použití konvolučních neuronových sítí jako prostředku pro realizaci fúze a detekce. Výstupem systému jsou informace zjištěné z dat milimetrového radaru i kamery, kdy je po provedení detekce pomocí milimetrového radaru zjištěna vzdálenost osoby. Výsledek fúze senzorů je prověřen pomocí nashromážděných dat z obou senzorů ve zhoršených světelných podmínkách, v neznámém prostředí, na neznámých osobách a pomocí referenčních údajů o vzdálenosti objektů.
|
host ::
RSS.