Multimodální detektor polohy a rychlosti vozidel v provozu

Abstract

Detekce vozidel je rychle se rozvíjející disciplínou v oboru počítačového vidění s uplatněním nejen v oblasti samořiditelných dopravních prostředků, ale také autonomních pohyblivých robotů. K rozpoznávání se v praxi často využívá dvou modalit, jmenovitě mračen bodů obdržených z lidarových měřičů a RGB hodnot kamer umístěných na vozidle či robotu. Tato práce si klade za cíl navrhnout, implementovat a natrénovat takový detektor pro středně velké roboty katedry kybernetiky. Dále je třeba vytvořit vlastní trénovací multimodální dataset, neboť volně přístupná trénovací data jsou pořizována z vozidel, která jsou mnohem větší než roboty, a nejsou tak pro naše účely reprezentativní.

Vehicle detection is a rapidly developing discipline of the field of computer vision which has applications not only in the area of self-driving vehicles, but also robot locomotion. Two common modalities for object detection are point clouds obtained from lidar scanners and RGB values from cameras situated on the vehicle or robot. This work aims to propose, implement and train such a detector for robots of the Department of Cybernetics. In addition, it is of importance to collect and annotate a multimodal dataset since freely available datasets are recorded from vehicles much larger than our robots and are therefore not suitable for our use case.