Original title: Detekce jízdních pruhů pro autonomní vozidla
Translated title: Lane detection for autonomous vehicles
Authors: Holík, Štěpán ; Píštěk, Václav (referee) ; Kučera, Pavel (advisor)
Document type: Master’s theses
Year: 2024
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstract: [cze] [eng]
Tato diplomová práce se zaměřuje na návrh a experimentální ověření systému pro detekci jízdních pruhů, určování trajektorie a polohy vozidla. Cílem bylo vyvinout systém složený z algoritmů pro dílčí části systému. K tomuto účelu bylo využito dat nashromážděných kamerou ZED 2, modelu neuronové sítě U-Net a prvků počítačového vidění ke snížení falešně pozitivních detekcí pomocí časového okna. K určení polohy vozidla vůči trajektorii byly využity trigonometrické výpočty a parametry kamery. Součástí práce bylo také rozšíření datové sady TuSimple o data nashromážděná kamerou. Experimentální ověření prokázalo funkčnost systému s vysokou spolehlivostí detekce v jednoduchých modelových situacích typu jízda po rovném úseku silnice. S náročností modelových situací spolehlivost systému klesá. Navzdory těmto nedostatkům experimenty ukázaly, že systém je schopen detekovat hranice jízdních pruhů a navrhovat optimální trajektorii vozidla. Algoritmy pro určení trajektorie a polohy vozidla závisí na úvodní predikci hranic jízdního pruhu, jsou ale funkční a účinné. This thesis focuses on the design and experimental verification of a system for lane detection, trajectory estimation and vehicle position. The goal was to develop a system composed of algorithms with its respective functions. Data collected with ZED 2 camera, the U-Net neural network model, and computer vision were used to reduce false positive predictions using a temporal window. Trigonometric calculations and camera parameters were used to estimate the vehicle’s position relative to the trajectory. One of the outcomes of this thesis is TuSimple dataset extension with the data captured with ZED 2 camera. Experimental verification demonstrated the system's functionality with high detection reliability in simple model situations, such as driving on a straight road segment. As the complexity of the model situations increased, the system's reliability decreases. Despite these shortcomings, the experiments showed that the system is able to detect lane boundaries and estimate an optimal vehicle trajectory. The algorithms for trajectory and vehicle position determination depend on the initial prediction of the lane boundaries, but they are functional and effective.
Keywords: computer vision; image processing; Lane detection; neural networks; temporal averaging; trajectory estimation; U-Net; vehicle position; Detekce jízdních pruhů; neuronové sítě; poloha vozidla; počítačové vidění; U-Net; určování trajektorie; zpracování obrazu; časové průměrování

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: https://hdl.handle.net/11012/248585

Permalink: http://www.nusl.cz/ntk/nusl-617403


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses