Σύστημα μηχανικής όρασης για αποφυγή της σύγκρουσης οχημάτων
Η παρούσα διπλωματική εργασία έχει ως αντικείμενο με την μελέτη και υλοποίηση Συνελικτικών Νευρωνικών Δικτύων και την εφαρμογή τους στην υπολογιστική όραση σε σύστημα απευθείας μετάδοσης εικόνας. Η εργασία αυτή περιλαμβάνει τεκμηριωμένα την παρουσίαση της απαραίτητης πληροφορίας για την μελέτη τους...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis |
| Γλώσσα: | Greek |
| Έκδοση: |
2019
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/12135 |
| id |
nemertes-10889-12135 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Νευρωνικά δίκτυα Συνελικτικά νευρωνικά δίκτυα Αναγνώριση Neural networks Convolutional neural networks Recognition 006.37 |
| spellingShingle |
Νευρωνικά δίκτυα Συνελικτικά νευρωνικά δίκτυα Αναγνώριση Neural networks Convolutional neural networks Recognition 006.37 Πολυχρονόπουλος, Κωνσταντίνος Σύστημα μηχανικής όρασης για αποφυγή της σύγκρουσης οχημάτων |
| description |
Η παρούσα διπλωματική εργασία έχει ως αντικείμενο με την μελέτη και υλοποίηση Συνελικτικών Νευρωνικών Δικτύων και την εφαρμογή τους στην υπολογιστική όραση σε σύστημα απευθείας μετάδοσης εικόνας. Η εργασία αυτή περιλαμβάνει τεκμηριωμένα την παρουσίαση της απαραίτητης πληροφορίας για την μελέτη τους τόσο σε θεωρητικό όσο και σε πρακτικό επίπεδο, ξεκινώντας με το πρώτο κεφάλαιο, όπου γίνεται μια σύντομη ανασκόπηση της Μηχανικής Μάθησης, ευρύτερος κλάδος στον οποίο ανήκουν τα Νευρωνικά Δίκτυα, των οποίων μελετώνται η δομή και οι αρχές λειτουργίας. Στο δεύτερο κεφάλαιο παρουσιάζονται εκτενώς τα Συνελικτικά Νευρωνικά Δίκτυα, αφηρημένο αλγοριθμικό κατασκεύασμα και υποπεδίο των Νευρωνικών το οποίο εμπίπτει στον τομέα της υπολογιστικής νοημοσύνης και ειδικά σε μελέτη πληροφορίας δύο διαστάσεων (εικόνα, ήχος κλπ.). Στο τρίτο κεφάλαιο της εργασίας, αναφέρονται οι μελετώμενοι μέθοδοι εντοπισμού αντικειμένων μέσω συνέλιξης σε εικόνες και περιγράφονται οι διαδικασίες επεξεργασίας εικόνας από την εισαγωγή της, την εξαγωγή χαρακτηριστικών, τη μελέτη περιορισμένων περιοχών και το ταίριασμα επιλεγμένων σημείων. Τέλος, στο τέταρτο κεφάλαιο περιγράφεται η εφαρμογή και τα αποτελέσματα εκτέλεσης αλγορίθμου σε κώδικα Matlab, σε βίντεο απευθείας σύνδεσης για την ανίχνευση προπορευόμενων οχημάτων από σταθερή κάμερα.Τα αυτοκίνητα που κυκλοφορούν στους δρόμους σήμερα χαρακτηρίζονται από μεγάλη ασφάλεια, όμως κανένα σύστημα ασφαλείας μέχρι τώρα, δεν μπορεί να προβλέψει τον ανθρώπινο παράγοντα. Το σύνολο της παγκόσμιας βιομηχανίας των αυτοκινήτων έχει στρέψει και έχει εντείνει τις προσπάθειές για βελτίωση της ενεργητικής και παθητικής ασφάλειας για κάθε ένα καινούριο μοντέλο που κυκλοφορεί πλέον.Στην παρούσα εργασία παρουσιάζεται ένα σύστημα ανίχνευσης θέσης και παρακολούθησης προπορευόμενων οχημάτων κατά την οδήγηση του οχήματος με χρήση απλής κάμερας τοποθετημένη σταθερά στο εσωτερικό μπροστινό μέρος του αυτοκινήτου. Ύστερα από την λήψη βίντεο, οι εικόνες αναλύονται ώστε να εντοπιστούν τα προπορευόμενα οχήματα, να ακολουθηθούν κατά την διάρκεια της οδήγησης και σε περίπτωση που η θέση τους είναι επικίνδυνη, και έγκαιρη ειδοποίηση του χρήστη με φωτεινή ένδειξη. |
| author2 |
Σκόδρας, Αθανάσιος |
| author_facet |
Σκόδρας, Αθανάσιος Πολυχρονόπουλος, Κωνσταντίνος |
| format |
Thesis |
| author |
Πολυχρονόπουλος, Κωνσταντίνος |
| author_sort |
Πολυχρονόπουλος, Κωνσταντίνος |
| title |
Σύστημα μηχανικής όρασης για αποφυγή της σύγκρουσης οχημάτων |
| title_short |
Σύστημα μηχανικής όρασης για αποφυγή της σύγκρουσης οχημάτων |
| title_full |
Σύστημα μηχανικής όρασης για αποφυγή της σύγκρουσης οχημάτων |
| title_fullStr |
Σύστημα μηχανικής όρασης για αποφυγή της σύγκρουσης οχημάτων |
| title_full_unstemmed |
Σύστημα μηχανικής όρασης για αποφυγή της σύγκρουσης οχημάτων |
| title_sort |
σύστημα μηχανικής όρασης για αποφυγή της σύγκρουσης οχημάτων |
| publishDate |
2019 |
| url |
http://hdl.handle.net/10889/12135 |
| work_keys_str_mv |
AT polychronopouloskōnstantinos systēmamēchanikēsorasēsgiaapophygētēssynkrousēsochēmatōn AT polychronopouloskōnstantinos visionbasedtimetocollisionestimationforcollisionmitigation |
| _version_ |
1771297311774736384 |
| spelling |
nemertes-10889-121352022-09-05T20:13:54Z Σύστημα μηχανικής όρασης για αποφυγή της σύγκρουσης οχημάτων Vision based time-to-collision estimation for collision mitigation Πολυχρονόπουλος, Κωνσταντίνος Σκόδρας, Αθανάσιος Μουστάκας, Κωνσταντίνος Polychronopoulos, Konstantinos Νευρωνικά δίκτυα Συνελικτικά νευρωνικά δίκτυα Αναγνώριση Neural networks Convolutional neural networks Recognition 006.37 Η παρούσα διπλωματική εργασία έχει ως αντικείμενο με την μελέτη και υλοποίηση Συνελικτικών Νευρωνικών Δικτύων και την εφαρμογή τους στην υπολογιστική όραση σε σύστημα απευθείας μετάδοσης εικόνας. Η εργασία αυτή περιλαμβάνει τεκμηριωμένα την παρουσίαση της απαραίτητης πληροφορίας για την μελέτη τους τόσο σε θεωρητικό όσο και σε πρακτικό επίπεδο, ξεκινώντας με το πρώτο κεφάλαιο, όπου γίνεται μια σύντομη ανασκόπηση της Μηχανικής Μάθησης, ευρύτερος κλάδος στον οποίο ανήκουν τα Νευρωνικά Δίκτυα, των οποίων μελετώνται η δομή και οι αρχές λειτουργίας. Στο δεύτερο κεφάλαιο παρουσιάζονται εκτενώς τα Συνελικτικά Νευρωνικά Δίκτυα, αφηρημένο αλγοριθμικό κατασκεύασμα και υποπεδίο των Νευρωνικών το οποίο εμπίπτει στον τομέα της υπολογιστικής νοημοσύνης και ειδικά σε μελέτη πληροφορίας δύο διαστάσεων (εικόνα, ήχος κλπ.). Στο τρίτο κεφάλαιο της εργασίας, αναφέρονται οι μελετώμενοι μέθοδοι εντοπισμού αντικειμένων μέσω συνέλιξης σε εικόνες και περιγράφονται οι διαδικασίες επεξεργασίας εικόνας από την εισαγωγή της, την εξαγωγή χαρακτηριστικών, τη μελέτη περιορισμένων περιοχών και το ταίριασμα επιλεγμένων σημείων. Τέλος, στο τέταρτο κεφάλαιο περιγράφεται η εφαρμογή και τα αποτελέσματα εκτέλεσης αλγορίθμου σε κώδικα Matlab, σε βίντεο απευθείας σύνδεσης για την ανίχνευση προπορευόμενων οχημάτων από σταθερή κάμερα.Τα αυτοκίνητα που κυκλοφορούν στους δρόμους σήμερα χαρακτηρίζονται από μεγάλη ασφάλεια, όμως κανένα σύστημα ασφαλείας μέχρι τώρα, δεν μπορεί να προβλέψει τον ανθρώπινο παράγοντα. Το σύνολο της παγκόσμιας βιομηχανίας των αυτοκινήτων έχει στρέψει και έχει εντείνει τις προσπάθειές για βελτίωση της ενεργητικής και παθητικής ασφάλειας για κάθε ένα καινούριο μοντέλο που κυκλοφορεί πλέον.Στην παρούσα εργασία παρουσιάζεται ένα σύστημα ανίχνευσης θέσης και παρακολούθησης προπορευόμενων οχημάτων κατά την οδήγηση του οχήματος με χρήση απλής κάμερας τοποθετημένη σταθερά στο εσωτερικό μπροστινό μέρος του αυτοκινήτου. Ύστερα από την λήψη βίντεο, οι εικόνες αναλύονται ώστε να εντοπιστούν τα προπορευόμενα οχήματα, να ακολουθηθούν κατά την διάρκεια της οδήγησης και σε περίπτωση που η θέση τους είναι επικίνδυνη, και έγκαιρη ειδοποίηση του χρήστη με φωτεινή ένδειξη. The present Thesis deals with the study and implementation of Convolutional Neural Networks and their application to computational vision in an online image transmission system. This study contains the presentation of the necessary information for the study both in theory and practice, starting with the first chapter, where a brief review of Mechanical Learning, a wider branch of Neural Networks, of which are studied the structure and principles of their functionality. In the second chapter are presented extensively the Convolutional Neural Networks, an abstract algorithmic construct and a subfield of Neurals that falls within the field of computational intelligence and especially in a two dimensional information study (image, sound, etc.). In the third chapter of the paper, we describe the methods of object detection with the use of convolution in images and the image processing procedures from the input, the feature extraction, the isolated areas study, and matching selected points. Finally, the fourth chapter describes the implementation and results of an algorithm execution in Matlab code, in an online video stream for the detection of incoming vehicles from a fixed positioned camera. Cars nowadays are significantly safe, but in no case can a man behaviour be predicted. For this, the best and more sophisticated security system is ourselves. The avoidance of accidents using new technologies is a vital part of security philosophy. The growing need to reduce accidents caused by increasing traffic density and higher speeds and resulting in large numbers of deaths and injuries has led the world automotive industry to intensive efforts to improve both the active and the passive vehicle safety. In this study we present a system for detecting and tracking front vehicles while driving the car using a simple camera firmly placed on the inside front of the car. After the video is captured, the images are analysed to identify the vehicles in front, to be followed during driving and if their position is dangerous, and to alert the user in good time with a light. 2019-05-05T18:12:46Z 2019-05-05T18:12:46Z 2018-10-11 Thesis http://hdl.handle.net/10889/12135 gr 0 application/pdf |
