Детальная информация

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>.

Дата создания записи: 07.11.2018

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

УДК: 004.891:629.33; 004.421

Коллекции: Выпускные квалификационные работы; Общая коллекция

Ссылки: DOI; Отзыв руководителя; Рецензия

Разрешенные действия: Прочитать Для чтения документа необходим Flash Player

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ФБ СПбПУ Все Прочитать
-> Интернет Все Прочитать

Статистика использования документа

stat Количество обращений: 7
За последние 30 дней: 7
Подробная статистика