Детальная информация
Название | Алгоритмы компьютерного зрения движущегося автомобиля: выпускная квалификационная работа магистра: 09.04.01 - Информатика и вычислительная техника ; 09.04.01_02 - Интеллектуальные системы |
---|---|
Авторы | Наджафи Каджабад Эбрахим |
Научный руководитель | Малыхина Галина Федоровна |
Другие авторы | Киселева Людмила Анатольевна |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий |
Выходные сведения | Санкт-Петербург, 2018 |
Коллекция | Выпускные квалификационные работы ; Общая коллекция |
Тематика | Транспортные средства ; Искусственный интеллект ; Алгоритмы ; Вычислительные системы |
УДК | 004.891:629.33 ; 004.421 |
Тип документа | Выпускная квалификационная работа магистра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Магистратура |
Код специальности ФГОС | 09.04.01 |
Группа специальностей ФГОС | 090000 - Информатика и вычислительная техника |
Ссылки | Отзыв руководителя ; Рецензия |
DOI | 10.18720/SPBPU/2/v18-946 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\55844 |
Дата создания записи | 07.11.2018 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
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.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 106
За последние 30 дней: 0