Detekce dopravních značek pro autonomní vozidla
Loading...
Date
Authors
Kovaříková, Lucie
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta strojního inženýrství
ORCID
Abstract
Tato diplomová práce se zabývá detekcí dopravních značek pro autonomní vozidla s využitím programovacího jazyka Python a architektury konvoluční neuronové sítě YOLOv7. Cílem je rešerše v oblasti rozpoznávání dopravního značení a naprogramování algoritmů pro komunikaci s kamerou a detekci. Výsledkem je experimentální ověření detekce a jeho vyhodnocení.
This master's thesis focuses on traffic sign detection for autonomous vehicles using the Python programming language and the YOLOv7 architecture of convolutional neural network. The objective is to conduct research in the field of traffic sign recognition and implement algorithms for camera communication and detection. The results include experimental verification of the detection system and its subsequent evaluation.
This master's thesis focuses on traffic sign detection for autonomous vehicles using the Python programming language and the YOLOv7 architecture of convolutional neural network. The objective is to conduct research in the field of traffic sign recognition and implement algorithms for camera communication and detection. The results include experimental verification of the detection system and its subsequent evaluation.
Description
Citation
KOVAŘÍKOVÁ, L. Detekce dopravních značek pro autonomní vozidla [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2023.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
prof. Ing. Václav Píštěk, DrSc. (předseda)
doc. Ing. Pavel Kučera, Ph.D. (místopředseda)
Slovák Marek, Ing. (člen)
Novosad Zdeněk, Ing. (člen)
Koláček Jiří, Ing. (člen)
Date of acceptance
2023-06-19
Defence
Studentka seznámila komisi s výsledky závěrečné práce. Následně odpovídala na otázky oponenta.
Otázky oponenta:
1) Vzhledem k malému množství trénovacích dat pro jednotlivé třídy značek, byly použity nějaké metody pro rozšíření
množiny trénovacích dat? Nemohlo právě dojít k mystifikaci tím, že data byla otočena zrcadlově, např. obr. 50?
Hodnocení: Zodpovězeno
2) Co je to real-time v souvislosti s ECU a jak by mohla vypadat implementace takového algoritmu do ECU?
Hodnocení: Částečně zodpovězeno
3) Jaké jsou možnosti testování takovýchto vyvíjených algoritmů pro detekci značek?
Hodnocení: Zodpovězeno
Další otázky:
1) Prováděla jste i geometrickou modifikaci (deformace značek) trénovacích dat?
Hodnocení: Zodpovězeno
2) Jaký časový krok je použit u real-time řízení?
Hodnocení: Zodpovězeno
3) Jak se algoritmus implementuje do řídicí jednotky?
Hodnocení: Nezodpovězeno
Result of defence
práce byla úspěšně obhájena