|
|
Augmented Reality in Industrial Production and Maintenance
Kajan, Matej ; Janáková, Ilona (oponent) ; Horák, Karel (vedoucí práce)
This paper seeks to explore the possibility to utilize XR (extended reality) in industrial assembly. The aim is to implement a system, which is able to visually navigate the operator during the product assembly process by the means of object recognition and image augmentation. The first chapter presents the use-case of augmented reality in the industry. The next part consists of research on the topic of augmented and virtual reality devices and provides a brief comparison of the current state of the art. Afterwards, a methodology is presented for object recognition of an arbitrary object. The implementation is able to detect the object in real-time, is resilient to occlusion and contains the information about the object’s orientation.
|
|
|
Klient server aplikace pro tvorbu spisových stránek pro PČR
Terbr, Filip ; Beran, Vítězslav (oponent) ; Rydlo, Štěpán (vedoucí práce)
Diplomová práce se věnuje návrhu a implementaci systému pro editaci fotografických dokumentací Policie ČR. V práci je obsažen rozbor aktuálně používaných technologií, návrh klientské aplikace, návrh serverové části systému a popis realizace klientské a serverové části systému. Výsledná implementace serverové části je napsána v jazyce JavaScript s podporou frameworku Express.JS, výsledná klientská aplikace je napsána v jazyce JavaScript s použitím frameworku Electron.
|
|
|
Robotic Arm Exploiting RC Components and Servos
Bobčík, Petr ; Kapinus, Michal (oponent) ; Zemčík, Pavel (vedoucí práce)
The goal of this work was to create own robotic arm using RC components, servos and provide own graphical user interface to control it. I decided that the solution should use sensors that provides some kind of autonomous beahviour. For my solution I modified existing stepper motor based robotic arm with five degrees of freedom. As a sensors, the accelerometer, encoders, current sensor, laser distance sensor and camera were used. Thanks to these sensors, the robotic arm is able to detect stall, position of disconnected stepper motors, grabbing of an object or measure distance to the object to compute its position in a space. My solution offers own graphical user interface that allows to control each joint separately, autonomous controlling using camera or hand driven controlling.
|
|
|
Houghova transformace pro detekci kružnic
Kazík, Martin ; Burget, Radim (oponent) ; Říha, Kamil (vedoucí práce)
Práce je zaměřena na implementaci algoritmu Houghovy transformace pro detekci kružnic. Algoritmus je implementován v jazyce C++ za použití volně dostupné knihovny OpenCv [5]. Jako implementační prostředí bylo zvoleno Microsoft Visual Studio 2008. V první kapitole je obecně popsána klasická Houghova transformace pro detekci přímek a kružnic. Dále práce obsahuje popis jednotlivých kroků algoritmu Houghovy transformace a popis funkcí OpenCv, které jsou v těchto krocích použity. Podrobně jsou popsány funkce pro převedení obrazu do stupňů šedi, vyhlazení obrazu Gaussovým filtrem a Cannyho hranový detektor pro nalezení hran ve vyhlazeném obraze. Efektivita a rychlost algoritmu je zvýšena zavedením funkce pro vyhledání potenciálních středů. Princip hledání potenciálních středů je založen na faktu, že přímka kolmá na sečnu kružnice a zároveň procházející středem sečny vždy prochází také středem kružnice samotné. Výsledky jednotlivých fází algoritmu (převedení do stupňů šedi, vyhlazení Gaussovým filtrem, detekce hran, vytvoření akumulátoru potenciálních středů a vykreslení kružnic) jsou prezentovány na ultrazvukovém snímku kolagenové tepenní náhrady. V druhé části práce je algoritmus Houghovy transformace využit pro detekci tepny ve snímcích videosekvence zachycené ultrazvukem. Je zde popsána automatizovaná metoda vyhodnocování úspěšnosti detekce tepny. Úspěšnost detekce je testována při změně důležitých parametrů algoritmu. Ze série testů jsou určeny ideální parametry algoritmu pro detekci tepny v dané videosekvenci.
|
|
|
Detekce a rozpoznání objektů v obraze
Muzikářová, Michaela ; Hradiš, Michal (oponent) ; Zemčík, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá návrhem a implementací aplikace typu klient-server, která umožňuje rozpoznání objektů v obraze a využívá již existující mobilní aplikaci. V teoretické části jsou nejprve popsány rozdíly lidského a počítačového vidění, dále detekce a rozpoznání objektů včetně vybraných metod. Další sekce obsahuje popis umělých neuronových sítí, které byly pro práci hlouběji nastudovány, spolu s jejich využitím k rozpoznání objektů. Následují informace, týkající se vybraných mobilních aplikací pro rozpoznání objektů v obraze, zakončené přehledem frameworků a knihoven, umožňujících práci s neuronovými sítěmi. Z nich byl k práci zvolen Caffe Framework. Dále je popsán průběh návrhu a řešení a vytvořený systém včetně experimentů a datasetů, použitých k ověření jeho funkčnosti.
|
|
|
Hluboké neuronové sítě v rozpoznávání obrazu
Munzar, Milan ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Neuronové sítě jsou dnes jeden z nejúspěšnějších modelů pro strojové učení. Můžeme je nalézt v autonomínch robotických systémech, v rozpoznávání objektů i řeči, predikci a mnoha jiných odvětvích umělé inteligence. Tato práce seznámí čtenáře s tímto modelem a jeho rozšířením, které se používá pro rozpoznávání objektů. Posléze popisuje aplikaci těchto konvolučních neuronových sítí(CNNs) pro klasifikaci obrazků na datasetech Caltech101 a Cifar-10. Na příkladu této aplikace diskutuje a měří efektivnost různých technik používaných v CNNs. Výsledky ukazují, že tyto sítě jsou bez dalších rozšíření schopné dosáhnout 80\% přesnosti na datasetu Cifar-10 a 37\% přesnosti na datasetu Caltech101.
|
|
|
Rozpoznávání ručně kreslených objektů
Křístek, Jakub ; Čmiel, Vratislav (oponent) ; Janoušek, Oto (vedoucí práce)
Tato práce se zabývá rozpoznáváním ručně kreslených objektů, které vznikly kresbou psychicky postižených dětí. Cílem je klasifikovat geometrická primitiva objektů do tříd, aby byly vykresleny spolu s idealizovaným tvarem vstupního objektu. Míra mentální retardace je určena odchylkou vstupního (nakresleného) objektu od jeho idealizovaného tvaru (předloha).
|
|
|
Biologicky inspirované metody rozpoznávání objektů
Vaľko, Tomáš ; Hradiš, Michal (oponent) ; Juránek, Roman (vedoucí práce)
Rozpoznávání objektů je jedna z mnoha úloh, ve kterých počítač stále zaostává za člověkem. Proto vývoj v této oblasti využívá poznatky z přírody a především z funkce lidského mozku. Tato práce se věnuje rozpoznávání objektů pomocí extrakce významných informací z obrazu, příznaků. Příznaky se získávají podobným způsobem, jako lidský mozek zpracovává vizuální vjemy. Následně se tyto příznaky používají pro natrénování klasifikátoru (například SVM, k-NN, ANN), pomocí kterého dochází k rozpoznávání objektů. Tato práce zkoumá fázi získávání příznaků z obrazu. Jejím cílem je zdokonalit extrakci příznaků a tím zvýšit úspěšnost rozpoznávání objektů počítačem.
|
|
|
Generátor syntetických dat pro vývoj detektorů dronů
Zlatníčková, Marie ; Dobrovský, Ladislav (oponent) ; Škrabánek, Pavel (vedoucí práce)
Tato diplomová práce se zabývá problematikou tvorby snímků realisticky vypadajících snímků z 3D modelů dronů. V textové části této práce jsou vysvětleny základní pojmy ve zpracování digitálního obrazu a použití neuronových sítí při detekci a rozpoznávání objektů v obraze. V praktické části této práce je popsáno softwarové řešení, které z digitálních 3D modelů vytváří barevné oštítkované snímky obsahující jeden či více dronů, v různých fázích letu, s různým nasvícením, natočením a rozostřením.
|
|
|
Učení a detekce objektů různých tříd v obraze
Chrápek, David ; Hradiš, Michal (oponent) ; Beran, Vítězslav (vedoucí práce)
Tato práce je zaměřena na učení a detekci objektů v obraze a v sekvenci po sobě jdoucích obrazů. Konkrétněji na učení a rozpoznávání lidí nebo jejich částí v případě, že jsou částečně zastíněni, s ohledem na možné využití detektoru na robotických platformách. Práce se zaměřuje na využití obrazových příznaků nazývaných Histogramy Orientovaných Gradientů (HOG), které jsou schopny docela dobře pracovat s různými pózami lidí v obraze. Člověk je rozdělen na několik částí a tyto části jsou detekovány samostatně. Následně je použit systém hlasování jednotlivých částí, které byly detekovány, který určuje výsledné pozice osob v obraze. Pro potřeby natrénování tohoto detektoru je využito lineárního SVM. Dále je při detekci ze sekvence po sobě jdoucích snímků použit Kalmanův filtr, který se stará o stabilizaci výsledné detekce.
|
host ::
RSS.