|
|
Detekce dopravních značek pro autonomní vozidla
Kovaříková, Lucie ; Píštěk, Václav (oponent) ; Kučera, Pavel (vedoucí práce)
Tato diplomová práce se zabývá detekcí dopravních značek pro autonomní vozidla s využitím programovacího jazyka Python a architektury konvoluční neuronové sítě YOLOv7. Cílem je rešerše v oblasti rozpoznávání dopravního značení a naprogramování algoritmů pro komunikaci s kamerou a detekci. Výsledkem je experimentální ověření detekce a jeho vyhodnocení.
|
|
|
Návrh simulačního prostředí pro testování provozu autonomních vozidel
Šůstek, Jan ; Krejsa, Jiří (oponent) ; Věchet, Stanislav (vedoucí práce)
Tato diplomová práce se zabývá návrhem simulačního prostředí pro testování autonomních vozidel. V teoretické části byla provedena rešerše dostupných simulátorů autonomního řízení. Dále byly představeny nástroje běžně používané v autonomních vozidlech, jako jsou senzory nebo softwarové moduly. V praktické části byl z dostupných řešení vybrán simulátor CARLA. Nejprve je vysvětlena instalace samotného simulátoru CARLA. Poté byla pomocí programu Roadrunner vytvořena simulační mapa, která napodobuje konkrétní ulici v Brně. Následně je ukázána práce se simulátorem CARLA. Na závěr je zhodnocena práce se simulátorem CARLA a ukázány konkrétní výstupy simulace.
|
|
|
Neuronové sítě využité v autonomních vozidlech
Ryšavý, Jan ; Píštěk, Václav (oponent) ; Kučera, Pavel (vedoucí práce)
Bakalářská práce se zabývá využitím neuronových sítí v autonomních vozidlech. První část práce představuje základní principy neuronových sítí a metody učení, které jsou využívány v autonomních vozidlech. Dále práce popisuje architekturu a funkce neuronových sítí. V druhé části práce jsou také popsány různé typy autonomních vozidel, jejich dělení a přehled senzorů, které autonomní vozidla využívají. Poslední část práce se zabývá implementací neuronových sítí do ECU pomocí programových jazyků a knihoven a dále aplikacemi, jako jsou například detekce objektů nebo rozpoznávání značek.
|
|
| |
|
|
Získávání vstupů zpracováním obrazu pro řízení autonomního vozidla
Midrla, Daniel ; Píštěk, Václav (oponent) ; Kučera, Pavel (vedoucí práce)
Předmětem této diplomové práce je sběr dat zpracováním obrazu pro řízení autonomního vozidla. Práce v první řadě nabízí shrnutí teoretických znalostí souvisejících s danou problematikou. Dále je popsán proces tvorby algoritmu, který s pomocí stereo kamery a neuronové sítě pro detekci objektů získává základní vstupy pro řízení autonomního vozidla. Těmi jsou informace o třídě rozpoznaného objektu a jeho vzdálenosti. Závěrem práce je provedeno experimentální ověření správné funkčnosti, přičemž je kladen důraz na optimalizaci přesnosti a rozsahu určení vzdálenosti. Také je vyhodnocena schopnost provozu algoritmu v reálném čase na kompaktním počítači s omezenou výpočetní kapacitou.
|
|
|
Automatic On-Line Calibration and Calibration Monitoring of Cameras and Lidars
Moravec, Jaroslav ; Šikudová, Elena (vedoucí práce) ; Obdržálek, Štěpán (oponent)
Název: Automatická on-line kalibrace a monitorovánı́ kalibrace páru kamera- lidar Autor: Jaroslav Moravec Katedra: Katedra softwaru a výuky informatiky Školitel: doc. RNDr. Elena Šikudová, Ph.D., Katedra softwaru a výuky infor- matiky Abstrakt: Kamery a LiDARy jsou důležitá zařı́zenı́ automobilového průmyslu, jelikož jejich kombinace poskytuje užitečné informace (souřadnice bodu v pros- toru a jeho barvu a intenzitu) pro percepci, lokalizaci, mapovánı́ a predikci. Pro úspěšnou kombinaci dat z vı́ce zdrojů a jejı́ interpretaci je potřeba znát přesnou kalibraci vnitřnı́ch parametrů a relativnı́ pozice všech senzorů. V této práci se budeme zabývat třemi kalibračnı́mi metodami na reálných scénách. Naše řešenı́je založeno na robustnı́ věrohodnostnı́ funkci konstruované nad reprojekčnı́ chybou LiDARových hran vůči hranám v obrazu. Když se kalibrace měnı́ v čase, navrho- vaná online rekalibračnı́ procedura je schopna sledovat všechny vnějšı́ parametry s průměrnou chybou 0.13◦ v rotaci a 4 cm v translaci. Na základě této rekali- bračnı́metody jsme dále schopni monitorovat kalibraci a detekovat náhlou změnu v řádu sekund. V neposlednı́ řadě jsme ukázali automatickou kalibraci, která dokáže odhadnout jak vnějšı́ parametry kalibrace, tak ty...
|
|
|
Overview Of Approaches To Multisensor Fusion As Used In Adas And Av
Zemčík, Tomáš
This paper briefly summarises the state-of-the-art in the field of approaches to heterogeneous multisensory fusion as in use in autonomous vehicles and advanced driver assistance systems (ADAS). It first describes the basic perception principles, goes over the used sensors and their properties. Various approaches to sensor fusion are then explained with particular focus on their effects on road traffic safety. Conclusions suggest the most perspective approaches and possible improvements.
|
|
|
Testování autonomních vozidel
Nágl, Jiří ; Tobiáš, Martin (oponent) ; Porteš, Petr (vedoucí práce)
Předmětem této bakalářské práce je rešerše autonomních vozidel a jejich testování. V první části je práce zaměřena na autonomní vozidla a konektivitu mezi nimi. Následně se věnuje testování autonomních vozidel na polygonech a testování v reálném provozu. Poslední kapitola zahrnuje virtuální testování a softwary k tomu určené.
|
|
| |
|
|
Návrh detektoru dopravních značek pomocí metod zpracování obrazu
Šmíd, Josef ; Adámek, Roman (oponent) ; Věchet, Stanislav (vedoucí práce)
Tato diplomová práce se zabývá návrhem detektoru dopravních značek pomocí metod zpracování obrazu. K tomu je využita knihovna OpenCV pro práci s obrazem v programovacím jazyce Python. První část se zabývá rešerší o používaných metodách. V další části jsou tyto metody testovány na nasbíraných snímcích dopravních značek v běžném denním provozu při různém nasvícení. Z výsledků testů byly navrženy optimální metody a jejich nastavení, které se následně opět ověřily na videozáznamech jízdy vozidlem. Tím se zároveň zjistilo, za jakých podmínek jsou schopny fungovat v real-time systémech. Na závěr byl ze sledování průběhů detekce navržen optimalizační algoritmus pro kompenzaci chyb v detekci.
|
host ::
RSS.