Detekce překážek před autonomním vozidlem zpracováním kamerových dat
Detecting obstacles in front of the autonomous vehicle by processing the images
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Šimon Jelínek
Vedoucí práce
Kovář Bohumil
Oponent práce
Matowicki Michal
Studijní obor
Inteligentní dopravní systémyStudijní program
Technika a technologie v dopravě a spojích 3Instituce přidělující hodnost
ústav aplikované matematikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Předmětem této bakalářské práce byl vývoj algoritmu pro detekci překážky zpracováním dat z kamery, následná jeho implementace a ověření na reálných datech. První část práce se zaměřuje na teorii, kde se rozebírají témata spjaté se segmentací obrazu a s metody pro detekci překážek. Ve vývoji programu byla aplikovaná jedna z metod pro segmentaci obrazu. Funkčnost algoritmu byla ověřena na vozítku JetRacer osazené Nvidia Jetson Nano. Pro vývoj algoritmu byl zvolen programovací jazyk Python. K zaručení spolehlivosti programu byla vybraná data přímo z kamery vozítka modelovaná v různých situacích. Výstupem této práce je funkční kód pro detekci překážek fúzí dat z kamery a lidaru. Algoritmus mimo jiné zpracovává data i k detekci jízdního pruhu, pro takovou úlohu však není koncipovaný. V budoucnu by se sjednocením algoritmů pro detekci jízdních pruhů a pro detekci překážek mohlo mluvit o autonomním systému řízení vozítka. The subject of this bachelor's thesis was the development of an algorithm for obstacle detection by processing camera data, its subsequent implementation, and verification on real data. The first part of the work focuses on theory, where topics related to image segmentation and obstacle detection methods are discussed. In the development of the program, one of the image segmentation methods was applied. The functionality of the algorithm was verified on a JetRacer vehicle equipped with an Nvidia Jetson Nano. Python was chosen for the development of the algorithm. To guarantee the reliability of the program, we modeled selected data directly from the vehicle's camera in different situations. The output of this work is a functional code for obstacle detection by fusion of camera and lidar data. Among other things, the algorithm processes data for lane detection, but it is not designed for such a task. In the future, by unifying algorithms for lane detection and obstacle detection, we could talk about an autonomous vehicle control system.