|
|
Navigation Using Deep Convolutional Networks
Skácel, Dalibor ; Veľas, Martin (referee) ; Hradiš, Michal (advisor)
In this thesis I deal with the problem of navigation and autonomous driving using convolutional neural networks. I focus on the main approaches utilizing sensory inputs described in literature and the theory of neural networks, imitation and reinforcement learning. I also discuss the tools and methods applicable to driving systems. I created two deep learning models for autonomous driving in simulated environment. These models use the Dataset Aggregation and Deep Deterministic Policy Gradient algorithms. I tested the created models in the TORCS car racing simulator and compared the result with available sources.
|
|
|
Geometric algebra applications
Machálek, Lukáš ; Návrat, Aleš (referee) ; Vašík, Petr (advisor)
Tato diplomová práce se zabývá využitím geometrické algebry pro kuželosečky (GAC) v autonomní navigaci, prezentované na pohybu robota v trubici. Nejprve jsou zavedeny teoretické pojmy z geometrických algeber. Následně jsou prezentovány kuželosečky v GAC. Dále je provedena implementace enginu, který je schopný provádět základní operace v GAC, včetně zobrazování kuželoseček zadaných v kontextu GAC. Nakonec je ukázán algoritmus, který odhadne osu trubice pomocí bodů, které umístí do prostoru pomocí středů elips, umístěných v obrazu, získaných obrazovým filtrem a fitovacím algoritmem.
|
|
|
Autonomous Rover Navigation on Planetary Surface
Vaško, Marek ; Prustoměrský, Milan (referee) ; Chudý, Peter (advisor)
Výskum hlbín vesmíru doviedol k vývoju technológii v rôznych oblastiach. Jednou z týchto oblastí je prieskum povrchu mimozemských planét. Efektívny spôsob skúmania je bezpilotné pozemné vozidlo. Práca sa zaoberá jedným z najdôležitejších systémov bezpilotných vozidiel, čím je autonómna navigácia. Vozidlo sa musí vedieť orientovať v priestore a zmapovať potenciálne prekážky. Práca v úvode preskúma navigačné princípy, ktoré boli využívané existujúcimi vozidlami. Neskôr preskúma využitie algoritmu na princípe súčasnej lokalizácie a mapovania a jeho implementáciu v MATLAB-e. Tento algoritmus bude integrovaný do simulátora, ktorý umožní neskoršiu integráciu do reálneho prostredia pomocou Robot Operating System. V simulátore bude navrhnutá platforma vozidla so simulovanými senzormi a šesť-kolesovým podvozkom, ktorá bude slúžiť na testovanie integrovaného algoritmu. V závere sa vyhodnotí kvalita navrhnutého algoritmu a zaháji sa diskusia o budúcich vylepšeniach.
|
|
|
Local Navigation of an Autonomous Mobile Robot
Herman, David ; Rozman, Jaroslav (referee) ; Orság, Filip (advisor)
This paper deals with the topic of design of a navigation system for an autonomous mobile robot in a park-like environment. Precisely, designing methods for road detection using available sensoric system, designing a mathematical model for fusion of these data, and suggesting a representation of an environment suitable for planning and local navigation.
|
|
|
Quadrocopter Navigation and Control
Doležal, Karel ; Orság, Filip (referee) ; Herman, David (advisor)
This paper focuses on autonomous navigation of AR.Drone quadrocopter in outdoor environment. The goal is to follow a specified route and land autonomously on a platform placed at the destination. Firstly, the AR.Drone platform, its development kit and sensor extension with GPS and a magnetic compass are described. Then, the navigation architecture of a control program is presented describing important blocks and its' individual tactics. Localization of the landing platform is based on its color. The video is also used to detect nearby obstacles using optical flow calculation suppressing the quadrocopter movements and to avoid the greater changes in the image. The control program implementation is then tested in real environment and the results are presented.
|
|
|
Navigation Using Deep Convolutional Networks
Skácel, Dalibor ; Veľas, Martin (referee) ; Hradiš, Michal (advisor)
This thesis studies navigation and autonomous driving using convolutional neural networks. It presents main approaches to this problem used in literature. It describes theory of neural networks and imitation and reinforcement learning. It also describes tools and methods suitable for a driving system. There are two simulation driving models created using learning algorithms DAGGER and DDPG. The models are then tested in car racing simulator TORCS.
|
|
| |
|
|
Deep Neural Network For Autonomous Uav Navigation
Klouda, Jan
The project deals with autonomous drone control. A neural network is used to create autonomouscontrol for object recognition. This recognition is performed with a ground station,where the computer evaluates the position of the drone and autonomously controls the flight of thedrone through the detection of objects.
|
|
|
Image Processing For Uav Autonomous Navigation
Klouda, Jan
The project deals with image recognition, which is provided by a camera and microcomputer. The program is written in Python and based on a comparison with the predefined Haar cascade, recognizes the object on the poly-camera's visual field and borders it. From the position and size of this object, the microcomputer sends commands to the flight controller and the drone is controlled through the camera.
|
|
|
Geometric algebra applications
Machálek, Lukáš ; Návrat, Aleš (referee) ; Vašík, Petr (advisor)
Tato diplomová práce se zabývá využitím geometrické algebry pro kuželosečky (GAC) v autonomní navigaci, prezentované na pohybu robota v trubici. Nejprve jsou zavedeny teoretické pojmy z geometrických algeber. Následně jsou prezentovány kuželosečky v GAC. Dále je provedena implementace enginu, který je schopný provádět základní operace v GAC, včetně zobrazování kuželoseček zadaných v kontextu GAC. Nakonec je ukázán algoritmus, který odhadne osu trubice pomocí bodů, které umístí do prostoru pomocí středů elips, umístěných v obrazu, získaných obrazovým filtrem a fitovacím algoritmem.
|
guest ::
