but.committee	prof. Dr. Ing. Pavel Zemčík (předseda) doc. Ing. Vladimír Drábek, CSc. (místopředseda) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) Ing. Igor Szőke, Ph.D. (člen) prof. RNDr. Josef Šlapal, CSc. (člen) Ing. Michal Španěl, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " D ". Otázky u obhajoby: Prečo ste vo svojej práci využili KITTI dataset? Skúšali ste využiť iné anotované dáta, prípadne vytvoriť takú dátovú sadu? Na aké problémy ste narazili? Okrem využitia SVM ste taktiež rozšírili riešenie o klasifikáciu na základe okolitého priestoru. Testovali ste tieto rozšírenia oddelene? Ktoré malo prípadne významnejší prínos.	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Španěl, Michal	cs
dc.contributor.author	Komora, Matúš	cs
dc.contributor.referee	Veľas, Martin	cs
dc.date.accessioned	2018-10-21T17:07:43Z
dc.date.available	2018-10-21T17:07:43Z
dc.date.created	2016	cs
dc.description.abstract	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.	cs
dc.description.abstract	his thesis deals with detection of the road adjacent to an autonomous vehicle. The road is recognition is based on the Velodyne LiDAR laser radar data. An existing solution is used and extended by machine learning - a Support Vector Machine with online learning. The thesis evaluates the existing solution and the new one using a KITTI dataset. The reliability of the road recognition is then computed using F-measure.	en
dc.description.mark	D	cs
dc.identifier.citation	KOMORA, M. Detekce cesty pro autonomní vozidlo [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2016.	cs
dc.identifier.other	103592	cs
dc.identifier.uri	http://hdl.handle.net/11012/69422
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	detekcia cesty	cs
dc.subject	SVM	cs
dc.subject	Lidar	cs
dc.subject	strojové učenie	cs
dc.subject	ROS	cs
dc.subject	KITTI	cs
dc.subject	road detection	en
dc.subject	SVM	en
dc.subject	Lidar	en
dc.subject	machine learning	en
dc.subject	ROS	en
dc.subject	KITTI	en
dc.title	Detekce cesty pro autonomní vozidlo	cs
dc.title.alternative	Road Detection for Autonomous Car	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2016-08-24	cs
dcterms.modified	2020-05-10-16:12:51	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	103592	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.23 00:10:20	en
sync.item.modts	2021.11.22 23:07:58	en
thesis.discipline	Počítačová grafika a multimédia	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Detekce cesty pro autonomní vozidlo

Files

Original bundle

Collections