Details

Наджафи, Каджабад Эбрахим. Алгоритмы компьютерного зрения движущего автомобиля [Электронный ресурс]: выпускная квалификационная работа магистра: 09.04.01 - Информатика и вычислительная техника ; 09.04.01_02 - Интеллектуальные системы / К. Э. Наджафи; Санкт-Петербургский политехнический университет Петра Великого, Институт компьютерных наук и технологий ; науч. рук. Г. Ф. Малыхина ; консультант по нормоконтролю Л. А. Киселева. — Электрон. текстовые дан. (1 файл : 4,80 Мб). — Санкт-Петербург, 2018. — Загл. с титул. экрана. — Свободный доступ из сети Интернет (чтение). — Adobe Acrobat Reader 7.0. — <URL:http://elib.spbstu.ru/dl/2/v18-946.pdf>. — <URL:http://doi.org/10.18720/SPBPU/2/v18-946>. — <URL:http://elib.spbstu.ru/dl/2/rev/v18-946-o.pdf>. — <URL:http://elib.spbstu.ru/dl/2/rev/v18-946-r.pdf>.

Record create date: 11/7/2018

Subject: Транспортные средства; Искусственный интеллект; Алгоритмы; Вычислительные системы; интеллектуальные транспортные системы; классификация каскада; компьютерное зрение

UDC: 004.891:629.33; 004.421

Collections: Выпускные квалификационные работы; Общая коллекция

Links: DOI; Отзыв руководителя; Рецензия

Allowed Actions: Read You need Flash Player to read document

Group: Anonymous

Network: Internet

Annotation

Интеллектуальная транспортная система - это новая технология, которая может играть важную роль в борьбе с трафиком, уменьшением аварийности, загрязнением воздуха и другими вещами. Существует множество методов, которые могут использоваться для управления автономным транспортным средством, чтобы избежать несчастного случая, такие как электронные системы, датчики, системы компьютерного зрения, глубокое обучение и машинное обучение. Среди них системы компьютерного зрения и глубокое обучение становятся все более популярными для преодоления различных проблем, таких как выезд за полосы, обнаружение препятствий и обнаружение линии. В настоящем документе предлагаются методы компьютерной визуализации, основанные на обработке изображений, для отслеживания и обнаружения транспортных средств в режиме реального времени. Эти методы включают в себя Cascade Classifier, сверточную нейронную сеть (CNN), алгоритм преобразования линии Hough и цветовое пространство HSV. Для реализации каскадного классификатора использовалась библиотека OpenCV, а для CNN использовался Tensorflow, оба они являются библиотеками с открытым исходным кодом и работают на основе машинного обучения. Наконец, результат показал, что эти алгоритмы были быстрыми и с высокой точностью обнаруживают транспортные средствав реальном времени. Эти методы наиболее полезны для мобильных роботов, для избегания несчастных случаев, а также чтобы найти собственное местоположение в окружающей среде. Кроме того, может быть полезно для промышленного робота, для обнаружения объекта на основе специального цвета.

Document access rights

Network User group Action
FL SPbPU Local Network All Read
-> Internet All Read

Document usage statistics

stat Document access count: 7
Last 30 days: 7
Detailed usage statistics