Metody detekce automobilu z 2D LIDAR dat nasbíraných mobilním robotem
Car Detection Methods from 2D LIDAR Data Collected with a Mobile Robot
Type of document
bakalářská prácebachelor thesis
Author
Jiří Janota
Supervisor
Majer Filip
Opponent
Yan Zhi
Study program
Kybernetika a robotikaInstitutions assigning rank
katedra kybernetikyRights
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
Show full item recordAbstract
Tato práce se zabývá různými přístupy k detekci automobilů parkovacím robotem v reálném světě. Za tímto účelem byly implementovány tři metody strojového učení založené na segmentaci množin bodů (PointNet), segmentaci obrázků (U-Net) a klasifikaci vektorů atributů (SVM) a jedna geometrická metoda pro lokalizaci kol. Porovnání metod je uskutečněno na anotovaném datasetu 2-dimenzionálních měření ze tří LIDAR senzorů instalovaných na mobilním parkovacím robotu. Použití souboru dat nasbíraného při provozu v reálných podmínkách zaručuje kvalitativní vyhodnocení metod s ohledem na robustnost. Experimenty ukázaly velký potenciál sítě U-Net a algoritmu SVM pro úlohu detekce aut. Navržený systém pro evaluaci v reálném čase se skládá z příjmu dat z LIDAR senzorů, klasifikace jednotlivých bodů metodami strojového učení a lokalizace kol detekovaných automobilů. This thesis focuses on the research of various approaches to real-world car detection by a parking robot. For this purpose, three machine learning methods based on the point cloud segmentation (the PointNet), image segmentation (the U-Net), and feature vector classification (the SVM) were implemented, and one geometrical-based method for wheel localization. Methods comparison is held on an annotated dataset of 2D measurements from three LIDAR sensors installed on a mobile parking robot. The use of the dataset collected during operating in real-world scenarios ensures the authoritative evaluation of methods with respect to robustness. Experiments indicated a great potential of the U-Net network and the SVM for the car detection task. The proposed system for real-time evaluation consists of subscription to LIDAR sensors, point-wise classification with machine learning methods, and wheel localization of detected cars.
Collections
- Bakalářské práce - 13133 [787]