|
Automatická detekce ovládacích prvků výtahu zpracováním digitálního obrazu
Černil, Martin ; Šnajder, Jan (oponent) ; Krejsa, Jiří (vedoucí práce)
Tato diplomová práce se zabývá automatickou detekcí ovládacích prvků osobních výtahů v digitálním obraze pomocí metod počítačového vidění. V teoretické části je provedena rešerše metod zpracování obrazu s návazností na rozpoznávání objektů v obraze a průzkum předchozích řešení, které vede k probádání oblasti konvolučních neuronových sítí. V praktické části je probráno vytvoření datové sady obrazů ovládacích prvků výtahu, výběr, učení a vyhodnocení modelů za použití TensorFlow Object Detection API 2 a implementace robustního algoritmu využívajícího detektoru ovládacích prvků výtahu. Závěr práce pojednává o vhodnosti modelu pro zadanou úlohu.
|
| |
|
Mobile Robot in the Elevator: What Floor Am i On?
Krejsa, Jiří ; Věchet, Stanislav ; Chen, K.S. ; Havelka, M. ; Černil, M.
Wheeled mobile robots in multiple stories buildings have to use elevator to access arbitrary floor of the building. To do so, the control system must be able to detect and access elevator controls and also determine on which floor the elevator stopped. The paper deals with the latter problem, using the fusion of relative floor change detected by onboard accelerometer and absolute floor number detected by the processing of elevator information screen panel image acquired by onboard camera. Bayesian filter is used for data fusion and convolution neural network for image processing. Field tests resulted in 97% correct detection.
|
|
Automatická detekce ovládacích prvků výtahu zpracováním digitálního obrazu
Černil, Martin ; Šnajder, Jan (oponent) ; Krejsa, Jiří (vedoucí práce)
Tato diplomová práce se zabývá automatickou detekcí ovládacích prvků osobních výtahů v digitálním obraze pomocí metod počítačového vidění. V teoretické části je provedena rešerše metod zpracování obrazu s návazností na rozpoznávání objektů v obraze a průzkum předchozích řešení, které vede k probádání oblasti konvolučních neuronových sítí. V praktické části je probráno vytvoření datové sady obrazů ovládacích prvků výtahu, výběr, učení a vyhodnocení modelů za použití TensorFlow Object Detection API 2 a implementace robustního algoritmu využívajícího detektoru ovládacích prvků výtahu. Závěr práce pojednává o vhodnosti modelu pro zadanou úlohu.
|
| |