|
|
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.
|
|
|
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.
|
|
|
Rozpoznávání objektů v obrazech
Nedoma, David ; Samek, Jan (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zabývá řešením rozpoznávání objektů v obraze. Cílem bylo vytvoření programu, který bude schopný objekty v obraze rozpoznat. Postupně popisuje jednotlivé kroky zpracování nasnímaných dat. Stručně popisuje předzpracování obrazu, následně se zabývá podrobněji segmentací dat, popisem segmentovaných částí a následnou klasifikací objektů. Popisuje algoritmy a metody, které jsou pro jednotlivé kroky použitelné.
|
|
|
Strukturální metody identifikace objektů pro řízení průmyslového robotu
Minařík, Martin ; Šlapal, Josef (oponent) ; Konečný, Vladimír (oponent) ; Šťastný, Jiří (vedoucí práce)
Tato dizertační práce se zabývá využitím strukturálních metod identifikace objektů pro řízení průmyslového robotu. Nejprve je popsán současný stav znalostí v dané oblasti, tedy celý proces rozpoznávání objektů pomocí metod klasické syntaktické analýzy. Největší nevýhodou je nemožnost rozpoznávat objekty, jejichž digitalizovaný obraz je nějakým způsobem porušen či zkreslen (díky nadměrnému šumu nebo poruchám obrazu), tedy deformován. Pro rozpoznávání deformovaných objektů jsou dále popsány metody využívající strukturálního popisu pro jejich rozpoznávání – metody pro stanovení vzdáleností mezi atributovými popisy obrazů. Vlastní jádro celé práce spočívá až v kapitole 5, kde jsou popsány deformační gramatiky, jež jsou schopny popsat všechny možné deformace objektu. Komplikací při jejich analýze je nejednoznačnost deformační gramatiky, která snižuje efektivitu analýzy. Dále je věnován prostor výběru a modifikaci vhodného parseru schopného efektivně analyzovat deformační gramatiku. Popsány jsou tři typy parseru: modifikovaný Earlyho parser, modifikovaný Tomita parser a modifikovaný hybridní LRE(k) parser. Pro Earlyho parser je popsán efektivní způsob jeho implementace. Nezbytnou součástí rozpoznávání objektů je zajištění invariancí, čímž se tato práce též detailně zabývá. Závěrem jsou uvedeny výsledky popsaných algoritmů (úspěšnost a rychlost rozpoznávání deformovaných objektů) a je popsáno navržené testovací prostředí a algoritmy v něm implementované. V závěru jsou shrnuty zjištěné možnosti deformačních gramatik a jejich výsledky.
|
|
|
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.
|
|
|
Návrh kamerového systému s průmyslovým robotem Kuka
Rusnák, Jakub ; Pochylý, Aleš (oponent) ; Kubela, Tomáš (vedoucí práce)
Diplomová práce pojednává o využití strojového vidění s roboty KUKA v oblasti identifikace a manipulace většího počtu různých objektů. V úvodní a teoretické části práce je popsán současný stav a možnosti systémů průmyslového vidění na trhu. Součástí práce je také demonstrační aplikace zabývající se rozpoznáním objektů (mincí) kamerovým systémem SICK IVC 2D, a jejich následné roztřídění průmyslovým robotem KUKA KR 3. V aplikaci je dále řešena síťová komunikace kamery s robotem přes PLC, programování robotu v jazyce KRL a program rozpoznávání prvků v prostředí IVC Studio.
|
|
|
Systémy průmyslového vidění s roboty Kuka a jeho aplikace na rozpoznávání volně ložených prvků
Krutílek, Jan ; Pochylý, Aleš (oponent) ; Kubela, Tomáš (vedoucí práce)
Diplomová práce pojednává o robotickém vidění a jeho aplikaci na problém manipulace volně ložených prvků. Je zde uveden přehled pricipů dnes nejpoužívanějších kamerových systémů. S ohledem na řešení dané aplikace jsou uvedeny možnosti využití základních softsenzorů při rozpoznávání různých objektů. Úkolem práce je také naprogramování a realizace demonstrační úlohy při využití znalostí programování PLC, znalostí expertního programování robota v jazyce KRL, znalostí psaní skriptů pro inteligentní kameru v programu Spectation a využití znalostí síťové komunikace mezi použitými zařízeními.
|
|
|
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).
|
|
| |
|
| |
host ::
RSS.