Odhad 3D pozice vozidel z dopravních kamer

Loading...
Thumbnail Image

Date

Authors

Pospíšil, Ondřej

Mark

B

Journal Title

Journal ISSN

Volume Title

Publisher

Vysoké učení technické v Brně. Fakulta informačních technologií

ORCID

Abstract

Cílem této bakalářské práce je vytvořit metodu pro odhad 3D pozice vozidel z dopravních kamer. V práci jsou probrány existující metody pro detekci a odhad pozice vozidel. Součástí práce je i sestavení datové sady pro trénování a experimenty nad navrženou metodou pro odhad pozice vozidel. Navržená metoda používá konvoluční neuronovou síť pro regresi podstavy vozidla na obrázku. Pozice vozidla je poté promítnuta do roviny silnice pomocí homografie. Experimenty shrnují trénovaní a vyhodnocení metody pro odhad pozice a přesnosti ruční anotace pozice.
The goal of this bachelor thesis is to create a method for the 3D pose estimation of vehicles from traffic cameras. Existing methods for the car detection and the pose estimation of vehicles are described. Part of the thesis was to build a dataset for the purpose of training and experiments on the proposed car pose estimation method. Proposed method uses a convolutional neural network for regression of the car base in the image. Car pose is then projected into the road plane using homography. Experiments summarize training and the evaluation of the car pose estimation method and accuracy of manual vehicle annotation.

Description

Citation

POSPÍŠIL, O. Odhad 3D pozice vozidel z dopravních kamer [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.

Document type

Document version

Date of access to the full text

Language of document

cs

Study field

Informační technologie

Comittee

doc. Ing. Martin Čadík, Ph.D. (předseda) doc. Ing. Jiří Jaroš, Ph.D. (místopředseda) Ing. David Bařina, Ph.D. (člen) doc. Ing. Radek Burget, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen)

Date of acceptance

2020-07-08

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 velmi dobře. Otázky u obhajoby: Jak je zajištěno, aby dvojice obrázků pořízených různými kamerami v experimentu v kap. 5.1 byly pořízené v identický okamžik, aby bylo možné porovnávat podstavy automobilů? Proč vyhodnocení v kapitole 5.3 nepoužívá stejný model jako hodnocení v kap. 5.1? Bylo by možné bez nutnosti anotování vyhodnotit velký počet vzorků a výsledky by byly daleko více vypovídající. Výsledky z experimentu popsaného v kap. 5.1 ukazují na omezenou přesnost anotací. Výsledky z kapitoly 5.3 ukazují na "větší přesnost" detekce, než ruční anotace (Tab. 5.4 vs. Tab 5.1). Jak je to možné? Vypovídají čísla z obou tabulek o týchž chybách? Jste spokojený s Vašimi výsledky?

Result of defence

práce byla úspěšně obhájena

DOI

Collections

Endorsement

Review

Supplemented By

Referenced By

Citace PRO