|
|
Detekce vozovky
Melichar, Jiří ; Motlíček, Petr (oponent) ; Hradiš, Michal (vedoucí práce)
Tato bakalářská práce pojednává o metodě detekce povrchu vozovky v obraze a je inspirovaná prací S. Thruna a H. Dahlkampa. Metoda pracuje s barevnými modely vozovky, které bývají přizpůsobeny měnícímu se prostředí. Tyto modely jsou využity ke klasifikaci obrazu, jejímž výstupem je detekovaná vozovka v obraze. Metoda je podrobně popsaná, implementovaná a důkladně testovaná. Výsledky testů jsou diskutovány a jsou navrhnuty způsoby zlepšení metody.
|
|
|
Detekce cesty v obrazu z kamery
Šedo, Jan ; Luža, Radim (oponent) ; Rozman, Jaroslav (vedoucí práce)
Bakalářská práce se zabývá hledáním cesty v obraze z kamery. Obsahuje přehled v současnosti používaných metod v této oblasti a jejich nejčastější využití, stručný úvod do zpracování obrazu a k aplikačnímu rámci ROS. Dále obsahuje návrh a detaily implementace aplikace, která s využitím knihoven ROS a OpenCV provádí analýzu obrazu a jeho segmentaci za účelem oddělení cesty od okolí pomocí metody globální tresholding. Aplikace je otestována na datech nahraných pro účely soutěže Robotour 2013 a na sérii vlastních dat. Na závěr obsahuje vyhodnocení výsledků a diskuzi na téma možné pokračovaní této práce.
|
|
|
Detekce cesty pro autonomní vozidlo
Komora, Matúš ; Veľas, Martin (oponent) ; Španěl, Michal (vedoucí práce)
Táto diplomová práca sa venuje problematike detekcie cesty v okolí autonómneho vozidla. Cesta sa vyhodnocuje na základe dát z laserového radaru Velodyne LiDAR. V práci je použité už existujúce riešnie, ktoré je rozšírené o strojové učenie SVM s postupným učením. Práca porovnáva staré a nové riešenie na datasete KITTI. Úspešnosť odhadu cesty je vypočítaný podľa ukazateľa F-measure.
|
|
|
Lokální navigace autonomního mobilního robota
Herman, David ; Rozman, Jaroslav (oponent) ; Orság, Filip (vedoucí práce)
Cílem této diplomové práce je navrhnout koncept pro navigaci autonomního mobilního robota v parkovém prostředí. Konkrétně navrhnout metody lokalizace a detekce cesty s využitím dostupného senzorického systému, uvést matematický model pro fúzi těchto údajů a zvolenou vnitřní reprezentaci, a to s ohledem na budoucí plánovací a řídící algoritmy.
|
|
|
Detekce cesty pro autonomní vozidlo
Komora, Matúš ; Veľas, Martin (oponent) ; Španěl, Michal (vedoucí práce)
Táto diplomová práca sa venuje problematike detekcie cesty v okolí autonómneho vozidla. Cesta sa vyhodnocuje na základe dát z laserového radaru Velodyne LiDAR. V práci je použité už existujúce riešnie, ktoré je rozšírené o strojové učenie SVM s postupným učením. Práca porovnáva staré a nové riešenie na datasete KITTI. Úspešnosť odhadu cesty je vypočítaní podľa ukazateľa F-measure.
|
|
|
Detekce cesty pomocí dat z kamery pohyblivého robotu
Peška, Jaroslav ; Horák, Karel (oponent) ; Petyovský, Petr (vedoucí práce)
Bakalářská práce se zabývá řešením problému detekce cesty mobilních robotů využitím dat z kamery. V první části je provedena rešerše současných přístupů a zhodnocení možnosti jejich uplatnění v navrženém výsledku. Následně jsou definovány limitní parametry aplikace. Pro výsledné řešení byl definován proces automatického srovnávání přesnosti výsledků s využitím člověkem definovaného etalonu a naměřeny dvě sady testovacích dat. Byla implementována první verze algoritmu, která byla následně optimalizována a akcelerována za pomoci GPGPU. Navržený algoritmus je nakonec vyhodnocen a jsou naznačeny další možná vylepšení.
|
|
|
Detekce cesty pro autonomní vozidlo
Komora, Matúš ; Veľas, Martin (oponent) ; Španěl, Michal (vedoucí práce)
Táto diplomová práca sa venuje problematike detekcie cesty v okolí autonómneho vozidla. Cesta sa vyhodnocuje na základe dát z laserového radaru Velodyne LiDAR. V práci je použité už existujúce riešnie, ktoré je rozšírené o strojové učenie SVM s postupným učením. Práca porovnáva staré a nové riešenie na datasete KITTI. Úspešnosť odhadu cesty je vypočítaný podľa ukazateľa F-measure.
|
|
|
Utilization of Convolution Neural Network Based Road Detection in Mobile Robot Localization
Krejsa, Jiří ; Věchet, Stanislav
Mobile robot on-road navigation requires fusion of both global and local sensory information with an emphasis on the road detection processing. The paper deals with the road detection based on convolution neural networks (CNN) using commonly available tools such as TensorFlow and Keras. The road is defined by its linear boundaries. Network output is formed by the road definition together with classification parameters and serves as a local sensor in Kalman filter based localization. CNN based road detection is currently capable to successfully detect about 90% of images.
|
|
|
Road Detection Using Data From Mobile Robot
Camera
Peška, Jaroslav
The paper is focused on developing a road detection algorithm that uses only data from a mobile robot’s camera. Key requirements are low latency and relatively low power requirements. Presented algorithm makes use of machine learning, where the neural network is fed not only image data, but also select additional inputs.
|
|
|
Detekce cesty pomocí dat z kamery pohyblivého robotu
Peška, Jaroslav ; Horák, Karel (oponent) ; Petyovský, Petr (vedoucí práce)
Bakalářská práce se zabývá řešením problému detekce cesty mobilních robotů využitím dat z kamery. V první části je provedena rešerše současných přístupů a zhodnocení možnosti jejich uplatnění v navrženém výsledku. Následně jsou definovány limitní parametry aplikace. Pro výsledné řešení byl definován proces automatického srovnávání přesnosti výsledků s využitím člověkem definovaného etalonu a naměřeny dvě sady testovacích dat. Byla implementována první verze algoritmu, která byla následně optimalizována a akcelerována za pomoci GPGPU. Navržený algoritmus je nakonec vyhodnocen a jsou naznačeny další možná vylepšení.
|
host ::
RSS.