|
|
Automatic Surveillance Camera Calibration by Observation of Rigid Objects
Bartl, Vojtěch ; Buchholz, Michael (oponent) ; Hurtík, Petr (oponent) ; Herout, Adam (vedoucí práce)
This work is focused on automatic camera calibration based on multiple observations of arbitrary rigid objects. Based on observations of rigid objects moving in a common plane, we are able to calibrate camera w.r.t. the plane, and thus we are able to do measurements in a scene. Objects in the image plane are detected, and classified, and landmarks on these objects are localized. Our motivation was the usage of these methods in traffic scenarios, and thus as our ''objects'' we consider vehicles. We propose three different methods that are able to compute camera calibration based on these localized landmarks in an image plane with the only limitation - 3D models must be provided, but these can be known to the calibration system as a background. The camera calibration process is then fully automatic, and no more information is needed. Contrary to previous state-of-the-art methods for automatic camera calibration, the proposed methods are able to estimate all camera parameters (including focal length). We also collected a new dataset BrnoCarPark , which contains records of different scenes with detected vehicles and localized landmarks. Ground-truth measurements in scenes are available, and these can be re-computed by computed camera calibration parameters. All the proposed methods outperform the recent state-of-the-art method in an accurate manner. We evaluated our methods on the constructed dataset and also another dataset BrnoCompSpeed . We also made experiments on synthetic datasets, which prove the stability and usability of the proposed methods.
|
|
|
Měření rychlosti automobilů z dohledové kamery
Jaklovský, Samuel ; Juránek, Roman (oponent) ; Sochor, Jakub (vedoucí práce)
Táto diplomová práca sa zaoberá plne automatickou kalibráciou dopravnej dohľadovej kamery, ktorá je následne použitá na meranie rýchlosti prechádzajúcich vozidiel. Práca obsahuje a popisuje teoretické informácie a algoritmy týkajúce sa tejto problematiky. Na ich základe bol postavený komplexný návrh systému pre automatickú kalibráciu a meranie rýchlosti. Navrhnutý systém bol úspešne naimplementovaný. Implementovaný systém je optimalizovaný tak, aby pre automatickú kalibráciu kamery musel spracovať čo najmenší úsek vstupného videa. Kalibračné parametre sú tak získané po spracovaní iba dva a pol minúty vstupného videa. Presnosť implementovaného systému bola vyhodnotená na datasete BrnoCompSpeed. Chyba pri meraní rýchlosti pri použití systému automatickej kalibrácie predstavuje 8,15 km/h. Chyba je spôsobená hlavne nepresným získavaním mierky, pri jej nahradení manuálne získaným údajom sa nepresnosť zníži na 2,45 km/h. Samotný systém merania rýchlosti vykazuje chybu len 1,62 km/h (vyhodnotené použitím manuálne získanými kalibračnými parametrami).
|
|
|
Klasifikace vozidel na základě odezvy indukčních senzorů
Halachkin, Aliaksei ; Klečka, Jan (oponent) ; Honec, Peter (vedoucí práce)
Táto práce se věnuje klasifikaci vozidel na základě odezvy indukčních senzorů. Během práci byla vytvořená anotovaná databáze vozidel obsahující vice něž 11000 tisíc záznamů z indukčních senzorů. Byli vyzkoušený různé klasifikační metody a jejich optimalizací. Za finální klasifikační model byla zvolená metoda založená na kombinaci k-nejbližších sousedů a logistické regresi –- lokálně vážená logistická regrese, která dosahuje úspěšnosti 94 \% pro 9 třid vozidel. Klasifikátor byl implementován v C++.
|
|
|
Identifikace vozidel na snímcích dopravních situací
Petyovský, Petr ; Sojka, Eduard (oponent) ; Železný, Miloš (oponent) ; Horák, Karel (vedoucí práce)
Cílem této disertační práce je návrh metod pro získání dalších parametrů o vozidle ze snímků reálné dopravní situace ke stávající informaci o RZ vozidla a jeho poloze v měřeném úseku. Úkolem je využít stávající instalace kamerových systémů a na základě dat získaných z těchto zařízení navrhnout nové metody extrakce dalších parametrů o vozidle. Řešení lze rozdělit na dvě skupiny: 1. Metody pro získání příznaků a metody vyhodnocení dat, které povedou k rozpoznání typu vozidla na základě jediného snímku vozidla. 2. Metody pro získání údajů o tvaru vozidla na základě sekvence snímků projíždějícího vozidla
|
|
|
Klasifikace objektů s použitím radaru
Přívara, Jan ; Zemčík, Pavel (oponent) ; Maršík, Lukáš (vedoucí práce)
Cílem této bakalářské práce je navrhnout a implementovat klasifikátor objektů za pomocí radaru, konkrétně klasifikátor vozidel na silničních komunikacích. V první části jsou popsány principy fungování radaru a metody, které slouží k analýze radarového signálu. Práce uvádí základy klasifikace, přičemž je kladen důraz na klasifikační model "Support Vector Machines". Předvedenými postupy jsou z radarového signálu extrahovány příznaky pro klasifikaci. V další části je proveden návrh a implementace klasifikátoru. Nakonec je vyhodnocena úspěšnost klasifikátoru a je navrženo možné pokračování práce.
|
|
| |
|
|
Měření rychlosti automobilů z dohledové kamery
Jaklovský, Samuel ; Juránek, Roman (oponent) ; Sochor, Jakub (vedoucí práce)
Táto diplomová práca sa zaoberá plne automatickou kalibráciou dopravnej dohľadovej kamery, ktorá je následne použitá na meranie rýchlosti prechádzajúcich vozidiel. Práca obsahuje a popisuje teoretické informácie a algoritmy týkajúce sa tejto problematiky. Na ich základe bol postavený komplexný návrh systému pre automatickú kalibráciu a meranie rýchlosti. Navrhnutý systém bol úspešne naimplementovaný. Implementovaný systém je optimalizovaný tak, aby pre automatickú kalibráciu kamery musel spracovať čo najmenší úsek vstupného videa. Kalibračné parametre sú tak získané po spracovaní iba dva a pol minúty vstupného videa. Presnosť implementovaného systému bola vyhodnotená na datasete BrnoCompSpeed. Chyba pri meraní rýchlosti pri použití systému automatickej kalibrácie predstavuje 8,15 km/h. Chyba je spôsobená hlavne nepresným získavaním mierky, pri jej nahradení manuálne získaným údajom sa nepresnosť zníži na 2,45 km/h. Samotný systém merania rýchlosti vykazuje chybu len 1,62 km/h (vyhodnotené použitím manuálne získanými kalibračnými parametrami).
|
|
|
Klasifikace vozidel na základě odezvy indukčních senzorů
Halachkin, Aliaksei ; Klečka, Jan (oponent) ; Honec, Peter (vedoucí práce)
Táto práce se věnuje klasifikaci vozidel na základě odezvy indukčních senzorů. Během práci byla vytvořená anotovaná databáze vozidel obsahující vice něž 11000 tisíc záznamů z indukčních senzorů. Byli vyzkoušený různé klasifikační metody a jejich optimalizací. Za finální klasifikační model byla zvolená metoda založená na kombinaci k-nejbližších sousedů a logistické regresi –- lokálně vážená logistická regrese, která dosahuje úspěšnosti 94 \% pro 9 třid vozidel. Klasifikátor byl implementován v C++.
|
|
|
Identifikace vozidel na snímcích dopravních situací
Petyovský, Petr ; Sojka, Eduard (oponent) ; Železný, Miloš (oponent) ; Horák, Karel (vedoucí práce)
Cílem této disertační práce je návrh metod pro získání dalších parametrů o vozidle ze snímků reálné dopravní situace ke stávající informaci o RZ vozidla a jeho poloze v měřeném úseku. Úkolem je využít stávající instalace kamerových systémů a na základě dat získaných z těchto zařízení navrhnout nové metody extrakce dalších parametrů o vozidle. Řešení lze rozdělit na dvě skupiny: 1. Metody pro získání příznaků a metody vyhodnocení dat, které povedou k rozpoznání typu vozidla na základě jediného snímku vozidla. 2. Metody pro získání údajů o tvaru vozidla na základě sekvence snímků projíždějícího vozidla
|
|
|
Klasifikace objektů s použitím radaru
Přívara, Jan ; Zemčík, Pavel (oponent) ; Maršík, Lukáš (vedoucí práce)
Cílem této bakalářské práce je navrhnout a implementovat klasifikátor objektů za pomocí radaru, konkrétně klasifikátor vozidel na silničních komunikacích. V první části jsou popsány principy fungování radaru a metody, které slouží k analýze radarového signálu. Práce uvádí základy klasifikace, přičemž je kladen důraz na klasifikační model "Support Vector Machines". Předvedenými postupy jsou z radarového signálu extrahovány příznaky pro klasifikaci. V další části je proveden návrh a implementace klasifikátoru. Nakonec je vyhodnocena úspěšnost klasifikátoru a je navrženo možné pokračování práce.
|
host ::
RSS.