Детальная информация

Название: Повышение точности алгоритмов стереозрения путем внедрения элементов машинного обучения: выпускная квалификационная работа бакалавра: 09.03.04 - Программная инженерия ; 09.03.04_01 - Технология разработки и сопровождения качественного программного продукта
Авторы: Дейлид Иван Анатольевич
Научный руководитель: Молодяков Сергей Александрович
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2019
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: стереозрение; машинное обучение; беспилотный транспорт; оптический поток; stereo vision; machine learning; unmanned transport; optical flow
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 09.03.04
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-1770
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)

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

Аннотация

В данной работе освещается вопрос обнаружения препятствий в беспилотном транспорте. Акцент сделан на использовании алгоритмов стереозрения. Будут описаны достоинства и недостатки данных подходов. Для компенсирования недостатков предлагается использовать ряд подходов, изменяющий архитектуру блока обнаружения препятствий, и включающий в себя применение методов классического и глубокого машинного обучения, с целью повышения робастности системы и частоты получения данных.

This paper describes the issue of detecting obstacles in self-driving vehicles. Emphasis is placed on the use of stereo vision algorithms. The advantages and disadvantages of these approaches will be described. To compensate for the disadvantages, it is proposed to use some approaches that change the architecture of the obstacle detection unit and include the use of classical and deep machine learning methods in order to increase the robustness of the system and the frequency of data acquisition.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи Прочитать Печать Загрузить
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 42
За последние 30 дней: 1
Подробная статистика