Předpovídání trajektorie vozidel a chodců pro asistenční systémy řízení

Abstract

V tejto práci sa zaoberám vytváraním reprezentácie dopravnej scény pomocou spracovania monokulárneho záznamu. Na základe vytvorenej reprezentácie sa snažím predpovedať trajektórie detekovaných vozidiel v krátkom časovom horizonte 2 sekúnd. Súčasné postupy využívajú viacero drahých senzorov na zhromažďovanie okamžitých informácií o prostredí. Predstavujem postup, ktorý pomocou viacerých modelov strojového učenia, dokáže z videa zistiť rovnaké údaje, ako spomínané senzory. Výsledkom je systém umožňujúci zníženie nákladov na senzory pre vytváranie reprezentácie prostredia a predikciu trajektórie vozidiel v scéne. Ďalším prínosom je porovnanie presnosti modelov, trénovaných na odlišne spracovaných dátach. Pri porovnaní poskytujem údaje o tom, ako veľmi sa približujú k presnosti najspoľahlivejších predikčných systémov.

This bachelor thesis deals with representation of a traffic scene by processing monocular video sequence. I try to predict a trajectory of detected vehicles in a short time horizon, based on created representation. Current approaches use multiple expensive sensors to gather instant information of environment. In the thesis I introduce technique, which is able to extract data from an environment by image processing techniques without the need of expensive sensors. The result of this work is a system creating opportunity to reduce the sensor costs of a system for scene representation and trajectory prediction of vehicles in the scene. In addition, comparison of models trained on differently processed data is provided, as well as data about how my system approximates the most reliable prediction models.