Segmentace silnic a cest v obrazových datech pro účely autonomní jízdy

Abstract

Tato bakalářská práce se zabývá tématem segmentace silnic a cest pro účely autonomního řízení. V teoretické části se zabývá počítačovým viděním, jednoduchými metodami segmentace a praktickými řešeními problému pomocí konvolučních neuronových sítí a klasických metod. V praktické části se práce zabývá sběrem testovacích dat, výběrem vhodného programovacího jazyka a výběrem vhodných knihoven. Následně se představí postup při programování vlastního řešení. Zde se začíná předzpracováním pro převod obrazu do~šedotónového obrazu a filtrace šumu, poté nalezení hran v obraze pomocí Cannyho hranového detektoru, následuje definice oblasti zájmu s navazující Houghovou transformací pro detekci přímek v obraze a v poslední fázi filtrace horizontálních čar a průměrování zbylých čar. Na konci práce jsou porovnány výsledky představeného řešení s ohledem na robustnost a výpočetní náročnost.This bachelor's thesis deals with the topic of segmentation of roads and paths for the purposes of autonomous driving. In the theoretical part, it deals with computer vision, simple segmentation methods, and practical solutions to the problem using convolutional neural networks and classical methods. In the practical part, the work deals with the collection of test data, the selection of a suitable programming language, and the selection of suitable libraries. Subsequently, the procedure for programming our own solution will be presented. Here it starts with pre-processing to convert the image into a grayscale image and filtering the noise, then finding the edges in the image using the Canny edge detector, followed by the definition of the region of interest, with the subsequent Hough transform to detect the straight lines in the image, and in the last stage, filtering the horizontal lines and averaging the remaining lines. At the end of the thesis, the results of the presented solution are compared with respect to robustness and computational complexity.