Rozpoznání cesty pro vizuální navigaci mobilního robota

but.committeedoc. Ing. František Zbořil, CSc. (předseda) prof. Ing. Martin Drahanský, Ph.D. (místopředseda) Ing. Vladimír Bartík, Ph.D. (člen) doc. Ing. Peter Chudý, Ph.D., MBA (člen) Ing. Josef Strnadel, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se pak 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 C (dobře). Otázky u obhajoby: Může nastat situace, kdy oblast, která je podle vás určitě sjízdná, ve skutečnosti sjízdná nebude (viz obrázek 3.3)?cs
but.jazykčeština (Czech)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorMarvan, Alešcs
dc.contributor.authorŠeda, Jancs
dc.contributor.refereeOrság, Filipcs
dc.date.available2013-06-14cs
dc.date.created2012cs
dc.description.abstractV poslední době bylo nemalé úsilí věnováno vývoji robustních algoritmů pro detekci cesty pomocí barevného monokulárního vidění. Umělé neuronové sítě jsou často aplikovány v této úloze díky jejich schopnosti nalézt komplikované vztahy mezi vstupy a výstupy. Nicméně, stěžejním faktorem ovlivňujícím úspěšnost detekční metody je volba vhodných příznaků extrahovaných z obrazových dat. Tato práce se zabývá volbou vhodné kombinace příznaků pro robustní detekci cesty pomocí neuronové sítě. Aby bylo dosaženo adaptability algoritmu na aktuální povrch, po kterém se robot pohybuje, je neuronová síť učena během jízdy robota. Úspěšnost prezentované metody byla ověřena na několika záznamech z parkového prostředí.cs
dc.description.abstractIn recent years, a significant amount of attention has been given to the development of robust road detection algorithms using color monocular vision. Artificial neural networks are often used in order to deal with this complex issue because of their ability to find complex relationships between inputs and outputs. However, the essential task is to choose suitable features extracted from input visual data. In this thesis, the proposed combination of extracted features aims at the problem of robust road detection. The adaptation ability of neural network is also utilized to overcome the difficulties with variable road texture and shadows. Several experiments have been conducted to verify the presented approach.en
dc.description.markCcs
dc.identifier.citationŠEDA, J. Rozpoznání cesty pro vizuální navigaci mobilního robota [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2012.cs
dc.identifier.other79067cs
dc.identifier.urihttp://hdl.handle.net/11012/52890
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsPřístup k plnému textu prostřednictvím internetu byl licenční smlouvou omezen na dobu 1 roku/letcs
dc.subjectrobotcs
dc.subjectnavigacecs
dc.subjectumělé neuronové sítěcs
dc.subjectzpracování obrazucs
dc.subjectextrakce rysůcs
dc.subjectrozpoznávání cestycs
dc.subjectroboten
dc.subjectnavigationen
dc.subjectartificial neural networksen
dc.subjectimage processingen
dc.subjectfeatures extractionen
dc.subjectroad recognitionen
dc.titleRozpoznání cesty pro vizuální navigaci mobilního robotacs
dc.title.alternativeRoad Recognition for Visual Navigation of Mobile Roboten
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2012-06-14cs
dcterms.modified2020-05-09-23:43:25cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid79067en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 17:52:47en
sync.item.modts2025.01.15 18:57:44en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémůcs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
review_79067.html
Size:
1.45 KB
Format:
Hypertext Markup Language
Description:
file review_79067.html
Collections