Detekce jízdních pruhů pro autonomní vozidla
Loading...
Date
Authors
Holík, Štěpán
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstract
Tato diplomová práce se zaměřuje na návrh a experimentální ověření systému pro detekci jízdních pruhů, určování trajektorie a polohy vozidla. Cílem bylo vyvinout systém složený z algoritmů pro dílčí části systému. K tomuto účelu bylo využito dat nashromážděných kamerou ZED 2, modelu neuronové sítě U-Net a prvků počítačového vidění ke snížení falešně pozitivních detekcí pomocí časového okna. K určení polohy vozidla vůči trajektorii byly využity trigonometrické výpočty a parametry kamery. Součástí práce bylo také rozšíření datové sady TuSimple o data nashromážděná kamerou. Experimentální ověření prokázalo funkčnost systému s vysokou spolehlivostí detekce v jednoduchých modelových situacích typu jízda po rovném úseku silnice. S náročností modelových situací spolehlivost systému klesá. Navzdory těmto nedostatkům experimenty ukázaly, že systém je schopen detekovat hranice jízdních pruhů a navrhovat optimální trajektorii vozidla. Algoritmy pro určení trajektorie a polohy vozidla závisí na úvodní predikci hranic jízdního pruhu, jsou ale funkční a účinné.
This thesis focuses on the design and experimental verification of a system for lane detection, trajectory estimation and vehicle position. The goal was to develop a system composed of algorithms with its respective functions. Data collected with ZED 2 camera, the U-Net neural network model, and computer vision were used to reduce false positive predictions using a temporal window. Trigonometric calculations and camera parameters were used to estimate the vehicle’s position relative to the trajectory. One of the outcomes of this thesis is TuSimple dataset extension with the data captured with ZED 2 camera. Experimental verification demonstrated the system's functionality with high detection reliability in simple model situations, such as driving on a straight road segment. As the complexity of the model situations increased, the system's reliability decreases. Despite these shortcomings, the experiments showed that the system is able to detect lane boundaries and estimate an optimal vehicle trajectory. The algorithms for trajectory and vehicle position determination depend on the initial prediction of the lane boundaries, but they are functional and effective.
This thesis focuses on the design and experimental verification of a system for lane detection, trajectory estimation and vehicle position. The goal was to develop a system composed of algorithms with its respective functions. Data collected with ZED 2 camera, the U-Net neural network model, and computer vision were used to reduce false positive predictions using a temporal window. Trigonometric calculations and camera parameters were used to estimate the vehicle’s position relative to the trajectory. One of the outcomes of this thesis is TuSimple dataset extension with the data captured with ZED 2 camera. Experimental verification demonstrated the system's functionality with high detection reliability in simple model situations, such as driving on a straight road segment. As the complexity of the model situations increased, the system's reliability decreases. Despite these shortcomings, the experiments showed that the system is able to detect lane boundaries and estimate an optimal vehicle trajectory. The algorithms for trajectory and vehicle position determination depend on the initial prediction of the lane boundaries, but they are functional and effective.
Description
Citation
HOLÍK, Š. Detekce jízdních pruhů pro autonomní vozidla [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2024.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
prof. Ing. Pavel Novotný, Ph.D. (předseda)
doc. Ing. Pavel Kučera, Ph.D. (místopředseda)
Ing. Jan Klimeš (člen)
Ing. Lukáš Šopík (člen)
Ing. Tomáš Heger (člen)
Ing. Marek Slovák (člen)
Date of acceptance
2024-06-17
Defence
Student seznámil zkušební komisi s průběhem a výsledky své závěrečné práce. Následně zodpověděl otázky oponenta.
1. Co je to epocha a co je batch při učení NN? Zodpovězeno.
2. Jak byla rozdělena nasbíraná data pro trénování, validaci a testování? Zodpovězeno.
3. Jaký je rozdíl mezi vlastním návrhem a U-Net, že dochází k tak rozdílné rychlosti zpracování jednotlivých snímků? Zodpovězeno.
Dále odpovídal na otázky členů komise:
1. Popište postup konverze surového kódu při spuštění výpočtu. Zodpovězeno.
2. Co znamená, že výpočet "běží v reálném čase"? Zodpovězeno.
3. Popište vliv počtu tréninkových dat na výsledky při použití algoritmů využívajících neuronovou síť. Zodpovězeno částečně.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení