prikaz prve stranice dokumenta Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila
Rad nije dostupan
diplomski rad
Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:657164
Vrljičak, Stjepan
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Vrljičak, S. (2021). Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:657164

Vrljičak, Stjepan. "Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:657164

Vrljičak, Stjepan. "Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:657164

Vrljičak, S. (2021). 'Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 18.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:657164

Vrljičak S. Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 18.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:657164

S. Vrljičak, "Detekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:657164

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:657164
Podaci o radu
NaslovDetekcija i praćenje značajki prikladnih za upravljanje smjerom kretanja vozila
Naslov (engleski)Detection and tracking of visual features suitable for mobile robot heading control
AutorStjepan Vrljičak
MentorIvan Marković (mentor)
Član povjerenstvaIvan Marković (predsjednik povjerenstva)
Član povjerenstvaIvan Petrović (član povjerenstva)
Član povjerenstvaBranimir Novoselnik (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-02-19, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:657164
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 10:52:21