prikaz prve stranice dokumenta Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila
No public access
master's thesis
Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. urn:nbn:hr:168:657164
Vrljičak, Stjepan
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Vrljičak, S. (2021). Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:657164

Vrljičak, Stjepan. "Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:657164

Vrljičak, Stjepan. "Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:657164

Vrljičak, S. (2021). 'Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 18 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:657164

Vrljičak S. Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 December 18] Available at: https://urn.nsk.hr/urn:nbn:hr:168:657164

S. Vrljičak, "Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:657164

Metadata
TitleDetekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila
Title (english)Detection and tracking of visual features suitable for mobile robot heading control
AuthorStjepan Vrljičak
MentorIvan Marković (mentor)
Committee memberIvan Marković (predsjednik povjerenstva)
Committee memberIvan Petrović (član povjerenstva)
Committee memberBranimir Novoselnik (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-02-19, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Autonomna vožnja vozila je složeni problem čije rješenje obuhvaća niz raznih tehnoloških grana. Računalni vid, kao i duboko učenje, ključni su elementi svakog modela autonomnog vozila. Ovaj rad bavi se implementacijom algoritama monokularne vizualne odometrije za rješavanje problema samostalnog održavanja smjera robota. Pomoću popularne biblioteke OpenCV sa omotačem za programski jezik Python, napravljena je programska podrška kojom se prati putanja vozila. Korekcija putanje vrši se metodama strojnoga učenja i dodatnim pretpostavkama. Modeli dubokog učenja korišteni su za sigurnu (bez sudara) vožnju po zadanoj putanji, a detekcija objekata pomoću neuronskih mreža korištena je za stvaranje posebnih regija interesa koje dalje proširuju funkcionalnost monokularne vizualne odometrije. Za potrebe rada korišten je ručno izrađeni robot pomoću RaspberryPi 4 ploče i kamere bez dodatnih senzora.
Abstract (english)
Creating real-world autonomous vehicles has become one of the most popular problems in modern day computer science and robotics. Over the last decade, computer vision, as well as deep learning, has developed state-of-the-art methods for solving problems related to autonomous driving. In this paper, we discuss the problem of mobile robot heading control and monocular visual odometry (MVO) as one of the core methods for solving the given problem. We've used one of the most popular computer vision libraries OpenCV with its Python wrapper to develop an algorithm that tracks the robots trajectory. Furthermore, using deep learning models we've developed methods for safe driving (driving without collisions) and we've used object detection methods to find region of interests that expand the functionality of MVO. We've used homemade robot based on RaspberryPi 4 and its camera module without any additional sensors for all testing purposes.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:657164
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 10:52:21