Detekce aktuálního podlaží při jízdě výtahem

Abstract

Tato diplomová práce se zabývá detekcí aktuálního podlaží při jízdě výtahem. Jedná se o funkcionalitu, která je nezbytná při pohybu robota ve vícepodlažní budově. Pro tuto úlohu je využita fúze akcelerometrických dat v průběhu jízdy výtahem a obrazových dat získaných z informačního displeje uvnitř výtahové kabiny. V rešeršní části jsou popsána již realizovaná řešení, metody datové fúze a možnosti klasifikace obrazu. Na základě této části byly vybrány vhodné přístupy pro řešení úlohy. V první fázi byly získány datové sady z různých typů výtahových kabin. Následně byl vyvinut algoritmus pro práci s daty z akcelerometrického senzoru. Byla vybrána a natrénována konvoluční neuronová síť, která byla využita pro klasifikaci obrazových dat. Následně byla implementována metoda datové fúze. Jednotlivé části byly samostatně otestovány a vyhodnoceny. Na základě jejich vyhodnocení byla provedena integrace do jednoho funkční systému, který byl úspěšně ověřen a otestován. Výsledná úspěšnost detekce při jízdě různými výtahy byla stanovena na 97%.This diploma thesis deals with the detection of the current floor during elevator ride. This functionality is necessary for robot to move in multi-floor building. For this task, a fusion of accelerometric data during the ride of the elevator and image data obtained from the information display inside the elevator cabin is used. The research describes the already implemented solutions, data fusion methods and image classification options. Based on this part, suitable approaches for solving the problem were proposed. First, datasets from different types of elevator cabins were obtained. An algorithm for working with data from the accelerometric sensor was developed. A convolutional neural network, which was used to classify image data from displays, was selected and trained. Subsequently, the data fusion method was implemented. The individual parts were tested and evaluated. Based on their evaluation, integration into one functional system was performed. System was successfully verified and tested. Result of detection during the ride in different elevators was 97%.