Tato práce řeší problematiku detekcí dopravních značek. U vozidel vyšších, než je výška mostů či tunelů, by mohlo docházet ke kolizi. Cílem této práce je návrh a realizace zařízení pro detekci dopravní značky B16 - výšky mostu, které se klasifikuje jako palubní kamera. Úkolem zařízení je sledovat značky v reálném čase a signalizovat řidiči dopravního prostředku o příliš nízkém mostu či tunelu. Na trhu je dostupná řada systémů, která řeší danou problematiku jiným způsobem, a to umístěním statické kamery či senzorů před kritickým místem. Jedná se o stacionární umístění systému. Výstupem této práce je návrh kompaktního vestavěného zařízení a aplikace do vozidla. V teorii je popsán princip a metody detekce objektů, počítačového vidění včetně metod učení klasifikátoru a umělých neuronových sítích, na kterých vlastní detekce pracují. Následuje rešeržní část pro zjištění dostupných alternativ detekce a vlastní realizace včetně testování funkčnosti.
Anotace v angličtině
This thesis solves the issue of traffic sign detection. For vehicles higher than the height of bridges or tunnels, a collision could occur. The aim of this work is the design and implementation of a device for detecting the traffic sign B16 - the height of the bridge, which is classified as an on-board camera. The task of the device is to monitor the sign in real time and signal the driver of a vehicle with
a bridge or tunnel that is too low. There are a number of systems available on the market that address the issue in a different way, by placing a static camera or sensors in front of a critical point. This is a stationary system location. The output of this work is the design of a compact built-in device and application to the vehicle. The theory describes the principle and methods of object detection,
computer vision, including methods of classifier learning and artificial neural networks, on which the actual detection works. The research part follows to find out the available detection alternatives and the actual implementation, including functionality testing.
Tato práce řeší problematiku detekcí dopravních značek. U vozidel vyšších, než je výška mostů či tunelů, by mohlo docházet ke kolizi. Cílem této práce je návrh a realizace zařízení pro detekci dopravní značky B16 - výšky mostu, které se klasifikuje jako palubní kamera. Úkolem zařízení je sledovat značky v reálném čase a signalizovat řidiči dopravního prostředku o příliš nízkém mostu či tunelu. Na trhu je dostupná řada systémů, která řeší danou problematiku jiným způsobem, a to umístěním statické kamery či senzorů před kritickým místem. Jedná se o stacionární umístění systému. Výstupem této práce je návrh kompaktního vestavěného zařízení a aplikace do vozidla. V teorii je popsán princip a metody detekce objektů, počítačového vidění včetně metod učení klasifikátoru a umělých neuronových sítích, na kterých vlastní detekce pracují. Následuje rešeržní část pro zjištění dostupných alternativ detekce a vlastní realizace včetně testování funkčnosti.
Anotace v angličtině
This thesis solves the issue of traffic sign detection. For vehicles higher than the height of bridges or tunnels, a collision could occur. The aim of this work is the design and implementation of a device for detecting the traffic sign B16 - the height of the bridge, which is classified as an on-board camera. The task of the device is to monitor the sign in real time and signal the driver of a vehicle with
a bridge or tunnel that is too low. There are a number of systems available on the market that address the issue in a different way, by placing a static camera or sensors in front of a critical point. This is a stationary system location. The output of this work is the design of a compact built-in device and application to the vehicle. The theory describes the principle and methods of object detection,
computer vision, including methods of classifier learning and artificial neural networks, on which the actual detection works. The research part follows to find out the available detection alternatives and the actual implementation, including functionality testing.
Cílem bakalářské práce je návrh autonomního systému pro detekci a rozpoznávaní dopravní značky "Zákaz vjezdu vozidel, jejichž výška přesahuje vyznačenou mez" pomocí umělé inteligence. Téma má aplikační potenciál v automobilech, které nejsou tímto systémem vybaveny.
Proveďte rešerši dané problematiky.
Seznamte se s technologií rozpoznávaní objektů pomocí umělé inteligence.
Na základě studie navrhněte vhodnou technologii a model pro realizaci.
Postavte vhodný vestavěný systém pro realizaci vybraného návrhu.
Realizujte návrh a otestujte vyrobené zařízení.
Zásady pro vypracování
Cílem bakalářské práce je návrh autonomního systému pro detekci a rozpoznávaní dopravní značky "Zákaz vjezdu vozidel, jejichž výška přesahuje vyznačenou mez" pomocí umělé inteligence. Téma má aplikační potenciál v automobilech, které nejsou tímto systémem vybaveny.
Proveďte rešerši dané problematiky.
Seznamte se s technologií rozpoznávaní objektů pomocí umělé inteligence.
Na základě studie navrhněte vhodnou technologii a model pro realizaci.
Postavte vhodný vestavěný systém pro realizaci vybraného návrhu.
Realizujte návrh a otestujte vyrobené zařízení.
Seznam doporučené literatury
[1] KAEHLER, Adrian a Gary R. BRADSKI. Learning OpenCV 3: computer vision in C++ with the OpenCV library. First edition, Second release. Sebastopol, CA: O’Reilly Media, 2017. ISBN 978-1-4919-3799-0.
[2] MÜLLER, Andreas C. a Sarah GUIDO. Introduction to machine learning with Python: a guide for data scientists. First edition. Sebastopol, CA: O’Reilly Media, Inc, 2016. ISBN 978-1-4493-6941-5.
[3] RICE, Stephen V., George NAGY a Thomas A NARTKER. Optical Character Recognition: An Illustrated Guide to the Frontier. ISBN 9781461550211
[4] CHAKRABORTY, Shouvik a Kalyani MALI, ed. Applications of advanced machine intelligence in computer vision and object recognition: emerging research and opportunities. Hershey, PA: IGI Global/Engineering Science Reference, 2020. ISBN 978-1-79982-736-8.
[5] MOORE, Alan D. Python GUI Programming with Tkinter: Develop responsive and powerful GUI applications with Tkinter. [online]. Birmingham: Packt Publishing, 2018 [vid. 2021-10-13]. ISBN 978-1-78883-568-8.
[6] LUTZ, Mark. Programming Python. Fourth edition. Beijing Boston Farnham Sebastopol Tokyo: O’Reilly, 2019. ISBN 978-0-596-15810-1.
Seznam doporučené literatury
[1] KAEHLER, Adrian a Gary R. BRADSKI. Learning OpenCV 3: computer vision in C++ with the OpenCV library. First edition, Second release. Sebastopol, CA: O’Reilly Media, 2017. ISBN 978-1-4919-3799-0.
[2] MÜLLER, Andreas C. a Sarah GUIDO. Introduction to machine learning with Python: a guide for data scientists. First edition. Sebastopol, CA: O’Reilly Media, Inc, 2016. ISBN 978-1-4493-6941-5.
[3] RICE, Stephen V., George NAGY a Thomas A NARTKER. Optical Character Recognition: An Illustrated Guide to the Frontier. ISBN 9781461550211
[4] CHAKRABORTY, Shouvik a Kalyani MALI, ed. Applications of advanced machine intelligence in computer vision and object recognition: emerging research and opportunities. Hershey, PA: IGI Global/Engineering Science Reference, 2020. ISBN 978-1-79982-736-8.
[5] MOORE, Alan D. Python GUI Programming with Tkinter: Develop responsive and powerful GUI applications with Tkinter. [online]. Birmingham: Packt Publishing, 2018 [vid. 2021-10-13]. ISBN 978-1-78883-568-8.
[6] LUTZ, Mark. Programming Python. Fourth edition. Beijing Boston Farnham Sebastopol Tokyo: O’Reilly, 2019. ISBN 978-0-596-15810-1.
Přílohy volně vložené
1 CD ROM
Přílohy vázané v práci
schémata, tabulky
Převzato z knihovny
Ano
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Průběh obhajoby je zveřejněn pouze přihlášenému uživateli.