RYBIN, A. Detekce překážek za použití kamerového 3D skeneru [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2018.

Posudky

Posudek vedoucího

Hrbáček, Jan

Zadání bakalářské práce Andreie Rybina bylo původně zaměřeno na vytvoření jednoduchého detektoru překážek pro mobilní robot založeného na 3D kamerovém snímači. Student však požadavky zadání výrazně překonal a vyvinul funkční detektor, který překážky v hloubkovém obraze i segmentuje, klasifikuje podle tvaru a reportuje jejich rozměry a polohu. Pan Rybin k řešení přistupoval iniciativně a se značnou pílí; výsledná práce je pak v kontextu BP poměrně rozsáhlá, opírá se o důkladnou rešerši v cizojazyčné literatuře a je psána nadprůměrnou angličtinou. Práci doporučuji k obhajobě, navrhuji hodnocení výborně / A.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Splnění požadavků a cílů zadání A
Postup a rozsah řešení, adekvátnost použitých metod A
Vlastní přínos a originalita A
Schopnost interpretovat dosažené výsledky a vyvozovat z nich závěry A
Využitelnost výsledků v praxi nebo teorii A
Logické uspořádání práce a formální náležitosti A
Grafická, stylistická úprava a pravopis A
Práce s literaturou včetně citací A
Samostatnost studenta při zpracování tématu A
Navrhovaná známka
A

Posudek oponenta

Kumpán, Pavel

Pan Rybin se ve své práci zabývá využitím kamerového 3D skeneru jako senzoru v mobilní robotice pro detekci překážek. Anglicky psaná práce je přehledně členěna do sedmi kapitol a na bakalářskou práci má nadstandardní rozsah. Autor provedl rešerši problematiky, podává ucelený přehled současného stavu poznání s citací vhodných pramenů. V dalších kapitolách autor popisuje použité metody a vývojové platformy. Jedná se především o metody z knihovny “Point Cloud Library” pro operaci s bodovými mračny a dále o integraci systému do prostředím ROS. Jednotlivé části jsou dobře ilustrovány vizualizací měření ve skutečném prostředí. Poněkud nedostatečný je však popis možností nastavení parametrů a jejich vlivů na výstupy jednotlivých metod. Následující dvě kapitoly jsou věnovány popisu implementace a výsledků praktické části práce. Implementace detektoru překážek je popsána velmi srozumitelně a bohatě doplněna obrazovým doprovodem. Poměrně nepřehledné je formátování příkladů v pseudokódu. Autor provedl množství experimentů a přehledně uvádí veškeré dosažené výsledky v přílohách. Nicméně počet opakování jednotlivých testů je velmi malý. To považuji za problematické především v případě, že autor výsledky měření prokládá křivkou pro určení funkční závislosti – například v příloze 3. Celkově práci hodnotím jako nadprůměrnou a navrhuji hodnocení A.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Splnění požadavků a cílů zadání A
Postup a rozsah řešení, adekvátnost použitých metod A
Vlastní přínos a originalita A
Schopnost interpretovat dosaž. výsledky a vyvozovat z nich závěry B
Využitelnost výsledků v praxi nebo teorii A
Logické uspořádání práce a formální náležitosti A
Grafická, stylistická úprava a pravopis B
Práce s literaturou včetně citací A
Navrhovaná známka
A

Otázky

eVSKP id 109491