Autonomní řízení vozidla pomocí zpracování obrazu

Simple item page
but.committeeprof. Ing. Václav Píštěk, DrSc. (předseda) doc. Ing. Pavel Kučera, Ph.D. (místopředseda) Ing. Radim Dundálek, Ph.D. (člen) Ing. Rudolf Franz, Ph.D. (člen) Ing. Karel Štěpánek (člen)cs
but.defenceStudent seznámil komisi s výsledky závěrečné práce. Následně odpovídal na otázky oponenta. Otázky oponenta: 1) Co je aktivační funkce sigmoid? Hodnocení: Zodpovězeno 2) Proč se při anotaci setu pro učení NN na obr. 41 dělí konkrétní obrázky na 2 snímky a nestačí jen originální obrázek souřadnice ohraničení? Hodnocení: Zodpovězeno 3) Jaká byla přesnost naučení neuronové sítě? Hodnocení: Částečně zodpovězeno Další otázky: 1) Jaký má funkce sigmoid rozsah na ose y? Hodnocení: Zodpovězeno 2) Bylo nutné použít stereokameru? K čemu se používá? Hodnocení: Zodpovězeno 3) Jaké bylo rozlišení záznamu? Jaké mělo snížení rozlišení vliv na výsledky? Hodnocení: Zodpovězenocs
but.jazykčeština (Czech)
but.programAutomobilní a dopravní inženýrstvícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorKučera, Pavelcs
dc.contributor.authorFronc, Leošcs
dc.contributor.refereePíštěk, Václavcs
dc.date.accessioned2022-06-21T06:56:42Z
dc.date.available2022-06-21T06:56:42Z
dc.date.created2022cs
dc.description.abstractTato diplomová práce se zabývá tématem autonomních vozidel a především detekce jízdních pruhů. V práci jsou popsány a porovnány dva hlavní přístupy pro detekci jízdních pruhů – pomocí tradičních metod počítačového vidění a pomocí konvolučních neuronových sítí. Cílem práce bylo vytvořit systém, který by byl schopný rozpoznávat jízdní pruhy v reálném čase. Navržený systém byl sestaven z počítače Jetson Nano, ze stereo kamery ZED a z naprogramovaného algoritmu. Celkem byly vytvořeny dva algoritmy, které využívají zcela odlišných přístupů. Závěrem byl celý systém otestován z hlediska funkčnosti a schopnosti rozpoznávání jízdních pruhů.cs
dc.description.abstractThis diploma thesis deals with the topic of autonomous vehicles and especially lane detection. The paper describes and compares two main approaches to the lane detection - using traditional methods of computer vision and convolutional neural networks. The aim of the work was to create a system that would be able to recognize road lanes in a real time. The proposed system consisted of a Jetson Nano computer, a ZED stereo camera and a programmed algorithm. In total, two algorithms have been developed that use completely different approaches. Finally, the whole system was tested in terms of functionality and lane recognition.en
dc.description.markBcs
dc.identifier.citationFRONC, L. Autonomní řízení vozidla pomocí zpracování obrazu [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2022.cs
dc.identifier.other136950cs
dc.identifier.urihttp://hdl.handle.net/11012/207144
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta strojního inženýrstvícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectAutonomní řízení vozidlacs
dc.subjectdetekce jízdních pruhůcs
dc.subjectzpracování obrazucs
dc.subjectpočítačové viděnícs
dc.subjectkonvoluční neuronové sítěcs
dc.subjectJetson Nanocs
dc.subjectAutonomous vehicle controlen
dc.subjectlane detectionen
dc.subjectimage processingen
dc.subjectcomputer visionen
dc.subjectconvolutional neural networksen
dc.subjectJetson Nanoen
dc.titleAutonomní řízení vozidla pomocí zpracování obrazucs
dc.title.alternativeAutonomous control of the vehicle through image processingen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2022-06-20cs
dcterms.modified2022-06-20-10:39:24cs
eprints.affiliatedInstitution.facultyFakulta strojního inženýrstvícs
sync.item.dbid136950en
sync.item.dbtypeZPen
sync.item.insts2022.06.21 08:56:42en
sync.item.modts2022.06.21 08:14:31en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta strojního inženýrství. Ústav automobilního a dopravního inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.19 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
2.46 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_136950.html
Size:
9.32 KB
Format:
Hypertext Markup Language
Description:
review_136950.html
Download
Collections
2022