|
Analýza vlastností stereokamery ZED ve venkovním prostředí
Svoboda, Ondřej ; Věchet, Stanislav (oponent) ; Krejsa, Jiří (vedoucí práce)
Tato diplomová práce je zaměřena na testování ZED kamery a SLAM mapování ve venkovním prostředí. Je zde porovnána funkčnost samotné vizuální odometrie ZEDfu, vyvíjena samotným výrobcem kamery, s běžně používanými metodami pro sledování trajektorie a to pomocí GPS nebo kolové odometrie. Dále se zde testuje SLAM mapování v RTAB-Map v závislosti na proměnných podmínkách prostředí a to za použití dvou metod BRISK a SIFT. Provedená analýza by měla sloužit pro pozdější aplikace ZED kamery v mobilní robotice.
|
|
Automatická klasifikace obrazů
Ševčík, Zdeněk ; Miklánek, Štěpán (oponent) ; Sikora, Pavel (vedoucí práce)
Cílem této práce je prozkoumat shlukovací algoritmy strojového učení bez učitele, které lze použít pro klasifikaci databáze obrazů podle podobnosti. Pro vybrané shlukovací algoritmy je sepsán teoretický základ. Pro zlepšení klasifikace použité databáze se diplomová práce zabývá různými metodami předzpracování obrazů. Těmito metodami jsou z obrazu extrahovány příznaky. Dále práce řeší implementaci metod předzpracování a praktickou aplikaci shlukovacích algoritmů. V praktické části je naprogramována aplikace v programovacím jazyce Python, která klasifikuje databázi obrazů do tříd podle podobnosti. Diplomová práce testuje všechny použité metody a ke konci práce je zpracována rešerše výsledků.
|
|
Detektory a deskriptory oblastí v obrazu
Žilka, Filip ; Petyovský, Petr (oponent) ; Horák, Karel (vedoucí práce)
Táto diplomová práca sa zaoberá významnou oblasťou počítačového videnia a to konkrétne detektormi a deskriptormi oblastí v obraze. Budú predstavené najjednoduchšie návrhy na detekciu významných bodov počnúc Moravcovým detektorom až po komplexné detektory ako napríklad MSER alebo FAST. Popis týchto významných bodov je cieľom deskriptorov oblastí. Rovnako tu bude uvedený postupný prehľad od počiatkov, za ktoré možno považovať SIFT až po najnovšie a najstabilnejšie deskriptory ako napríklad FREAK alebo ORB. Jadrom práce bude následné testovanie a porovnanie vybraných metód na zvolenej úlohe lokalizácie ŠPZ v obraze.
|
|
Automatická klasifikace obrazů
Ševčík, Zdeněk ; Miklánek, Štěpán (oponent) ; Sikora, Pavel (vedoucí práce)
Cílem této práce je prozkoumat shlukovací algoritmy strojového učení bez učitele, které lze použít pro klasifikaci databáze obrazů podle podobnosti. Pro vybrané shlukovací algoritmy je sepsán teoretický základ. Pro zlepšení klasifikace použité databáze se diplomová práce zabývá různými metodami předzpracování obrazů. Těmito metodami jsou z obrazu extrahovány příznaky. Dále práce řeší implementaci metod předzpracování a praktickou aplikaci shlukovacích algoritmů. V praktické části je naprogramována aplikace v programovacím jazyce Python, která klasifikuje databázi obrazů do tříd podle podobnosti. Diplomová práce testuje všechny použité metody a ke konci práce je zpracována rešerše výsledků.
|
|
Analýza vlastností stereokamery ZED ve venkovním prostředí
Svoboda, Ondřej ; Věchet, Stanislav (oponent) ; Krejsa, Jiří (vedoucí práce)
Tato diplomová práce je zaměřena na testování ZED kamery a SLAM mapování ve venkovním prostředí. Je zde porovnána funkčnost samotné vizuální odometrie ZEDfu, vyvíjena samotným výrobcem kamery, s běžně používanými metodami pro sledování trajektorie a to pomocí GPS nebo kolové odometrie. Dále se zde testuje SLAM mapování v RTAB-Map v závislosti na proměnných podmínkách prostředí a to za použití dvou metod BRISK a SIFT. Provedená analýza by měla sloužit pro pozdější aplikace ZED kamery v mobilní robotice.
|
|
Detektory a deskriptory oblastí v obrazu
Žilka, Filip ; Petyovský, Petr (oponent) ; Horák, Karel (vedoucí práce)
Táto diplomová práca sa zaoberá významnou oblasťou počítačového videnia a to konkrétne detektormi a deskriptormi oblastí v obraze. Budú predstavené najjednoduchšie návrhy na detekciu významných bodov počnúc Moravcovým detektorom až po komplexné detektory ako napríklad MSER alebo FAST. Popis týchto významných bodov je cieľom deskriptorov oblastí. Rovnako tu bude uvedený postupný prehľad od počiatkov, za ktoré možno považovať SIFT až po najnovšie a najstabilnejšie deskriptory ako napríklad FREAK alebo ORB. Jadrom práce bude následné testovanie a porovnanie vybraných metód na zvolenej úlohe lokalizácie ŠPZ v obraze.
|
| |