|
|
Návrh a realizace 3D skenovací metody založené na zpracování obrazu
Kratochvíl, Jaromír ; Mašek, Petr (oponent) ; Růžička, Michal (vedoucí práce)
Tato práce se zabývá vytvořením 3D skenovací metody pro vizualizaci laserového paprsku. V první časti se zabývá rozdělením 3D skenerů a vysvětluje, jak fungují. V druhé časti jsou porovnávány různé nástroje pro zpracování obrazu a je vybrán ten nejvhodnější. Ve třetí části je navrženo vlastní řešení, kde jsou vysvětleny jednotlivé metody, které byly použity, nebo které byly zvažovány pro tuto práci. Čtvrtá část se zabývá vlastním řešením, kde je vysvětleno, jak byla práce řešena. Další část se zabývá praktickými experimenty, kde se navržené řešení aplikuje pro různé předměty v různých pozicích. Poslední částí je závěr, který shrnuje výsledky této práce.
|
|
|
Rekonstrukce 3D objektu z obrazových dat
Cír, Filip ; Kršek, Přemysl (oponent) ; Španěl, Michal (vedoucí práce)
Tato práce se zabývá 3D rekonstrukcí z obrazových dat. Jsou popsány možnosti a přístupy k optickému skenování. Ruční optický 3D skener se skládá z kamery a zdroje čárového laseru, který je vzhledem ke kameře upevněn pod určitým úhlem. Je navržena vhodná podložka se značkami a je popsán algoritmus pro jejich real-time detekci. Po detekci značek lze vypočítat pozici a orientaci kamery. Na závěr je popsána detekce laseru a postup při výpočtu bodů na povrchu objektu pomocí triangulace.
|
|
|
Kalibrace snímačů pro multispektrální datovou fúzi v mobilní robotice
Kalvodová, Petra ; Hanzl, Vlastimil (oponent) ; Mazal,, Jan (oponent) ; Pospíšil,, Jiří (oponent) ; Weigel, Josef (vedoucí práce)
Tato práce se zabývá datovou fúzí, kalibrací senzorických systémů robotu Orpheus-X3 a mapovacího robotu EnvMap. Tyto roboty jsou součástí robotického systému Cassandra, který slouží pro průzkum člověku nebezpečných nebo nedostupných oblastí. V práci jsou určeny korekce měřených vzdáleností skenerů Velodyne HDL-64, Velodyne HDL-32 a dálkoměrné kamery SwissRanger SR4000. Dále je v práci popsán vytvořený program MultiSensCalib sloužící k určení prvků vnitřní orientace jednotlivých heterogenních kamerových snímačů senzorické hlavice a pro určení vzájemné polohy a orientace těchto snímačů. V práci je navržen algoritmus datové fúze senzorické hlavice skládající se ze stereovizního páru CCD kamer, stereovizního páru termovizních kamer a dálkoměrné kamery. Dosažené parametry kalibrace a datové fúze jsou ověřeny několika experimenty.
|
|
|
Projekce dat do scény
Walter, Viktor ; Horák, Karel (oponent) ; Richter, Miloslav (vedoucí práce)
Diplomová práce se zabývá spoluprací kamer a projektorů při promítání dat do scény. Popisuje prostředky a teorii potřebnou pro takovou spolupráci a navrhuje demonstrační úlohy. Součástí práce je program, který dokáže za pomoci projektoru a kamery získat potřebné parametry těchto zařízení. Kromě toho program dokáže i demonstrovat kvalitu kalibrace promítáním vzoru na objekt podle jeho aktuální polohy a natočení a rovněž i rekonstruovat tvar objektu za pomoci projekce strukturovaného světla. Rekonstrukci tvaru je možné demonstrovat promítáním vrstevnicového vzoru nebo vizualizací obtékající vody. Práce taktéž popisuje některé problémy a pozorování, ke kterým se při tvorbě a testování programu přišlo.
|
|
|
Detekce význačných bodů v obrazech vozidel
Chadima, Vojtěch ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Tato práce řeší automatickou detekci význačných bodů na obrázcích automobilu. Takto detekované význačné mohou dále sloužit k automatické kalibraci kamery, například pro dohled v dopravě, což je problém, po jehož vyřešení je možné kameru využít v aplikacích jako měření rychlosti vozidel či hustoty dopravy. K detekci význačných bodů jsem použil konvoluční neuronovou síť typu Stacked Hourglass. Dále byl vytvořen generátor trénovacích dat v podobě obrázku a odpovídající anotace využívající API Blenderu, který umožňuje vytváření datasetů pro libovolné objekty. Detekované význačné body jsem analyzoval a seřadil dle přesnosti jejich detekce, přičemž platí, že čím přesněji je bod na snímku detekovatelný, tím je vhodnější pro použití při úlohách typu kalibrace kamery.Podařilo se natrénovat modely neuronových sítí, které jsou schopny detekovat 1 021 význačných bodů, z nichž nejlepších 24 s průměrnou odchylkou menší než 3 pixely. Výsledky této práce jsou základem pro kalibraci kamery na základě rozpoznání nejvhodnějších význačných bodů, případně mohou dále sloužit k vytváření vlastních trénovacích datasetů a trénování vlastních modelů neuronových sítí typu Stacked Hourglass.
|
|
| |
|
|
3D model vybraného objektu
Raclavský, David ; Hanzl, Vlastimil (oponent) ; Kalvoda, Petr (vedoucí práce)
Výsledkem diplomové práce je fotogrammetricky vyhodnocený georeferencovaný 3D model objektu s přilehlým okolím, nacházející se v areálu AdMaS. Práce podrobně popisuje všechny etapy tvorby 3D modelu objektu od výběru a kalibrace kamery až po editování 3D modelu. Zabývá se také softwary a metodami pro vyhodnocení 3D modelů. Práce navíc pojednává o optimálním nastavení parametrů programu ContectCapture. Přesnost výsledného 3D modelu je otestována s využitím metodiky dle ČSN 013410 na základě kontrolního měření.
|
|
|
Lokalizace kvadrokoptéry v 3D prostoru pomocí jedné kamery
Kubica, Petr ; Musil, Petr (oponent) ; Beran, Vítězslav (vedoucí práce)
V této bakalářské práci jsou prozkoumány možnosti existujících metod pro určení polohy UAV AscTec Pelican za pomoci monokulární kamery. Jsou testovány metody SVO, PTAM a LSD-SLAM ve vnitřních i venkovních prostorách za použití různých kamer, objektivů a různě výkonného hardware. Na základě výstupů testů jsou doporučeny postupy pro získání co nejlepších možných výsledků.
|
|
| |
|
|
Odhad rozestupu automobilů z mobilního telefonu umístěného ve vozidle
Zemánek, Ondřej ; Špaňhel, Jakub (oponent) ; Sochor, Jakub (vedoucí práce)
Cílem této bakalářské práce je mobilní aplikace pro systém Android, která odhaduje vzdálenost vozidel z obrazu kamery mobilního telefonu. Odhad rozestupu je vypočítáván na základě znalostí parametrů kamery, fyzické velikosti vozidla a oblasti snímku, reprezentující detekované vozidlo. Vozidla a jejich registrační značky jsou v obraze detekovány pomocí kaskádových klasifikátorů. Registrační značky jsou detekovány pouze v rámci oblasti detekovaného vozila. Pro detekci vozidel pomocí kaskádového klasifikátoru byla v rámci této práce vytvořena trénovací datová sada. Práce je doplněna o funkci sledování změn rozestupu v čase, která při náhlé změně rozestupu upozorní řidiče zvukovým signálem. Samotný text je pak rozdělen do pěti hlavních částí - porovnání existujících řešení odhadu vzdálenosti, Studium a výběr metod pro rozpoznávání objektů v obraze, návrh aplikace, implementace a vyhodnocení obsahující popis vytváření trénovací datové sady, samotné trénování klasifikátoru a vyhodnocení.
|
host ::
RSS.