460-4131/01 – Optické systémy pro autonomní jízdu (OSAJ)

Garantující katedraKatedra informatikyKredity5
Garant předmětuIng. Radovan Fusek, Ph.D.Garant verze předmětuIng. Radovan Fusek, Ph.D.
Úroveň studiapregraduální nebo graduálníPovinnostpovinný
Ročník1Semestrletní
Jazyk výukyčeština
Rok zavedení2019/2020Rok zrušení
Určeno pro fakultyFEIUrčeno pro typy studianavazující magisterské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
FUS032 Ing. Radovan Fusek, Ph.D.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zápočet a zkouška 2+2

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Předmět posluchače seznamuje s tématy z oblasti analýzy obrazu, které zapadají do problematiky autonomní jízdy a optických systémů. Absolvováním předmětu získají posluchači přehled o moderních metodách, které se využívají v samo-řiditelných vozidlech.

Vyučovací metody

Přednášky
Cvičení (v učebně)
Projekt

Anotace

V předmětu budou probírána zejména následující témata: Metody a pojmy z oblasti detekce a rozpoznání objektů pomocí obrazů s důrazem pro samo-řiditelné vozidlo. To zahrnuje analýzu objektů v okolí automobilu pomocí metod strojového učení (obrazové příznaky, konvoluční neuronové sítě, hluboké učení, SVM). Principy obrazové detekce automobilů, chodců, vodorovného a svislého dopravního značení, semaforů, analýza objektů za pomocí lidarových a hloubkových dat.

Povinná literatura:

1. E. Sojka, Digitální zpracování a analýza obrazů, učební texty, VŠB-TU Ostrava, 2000 (ISBN 80-7078-746-5). 2. Gary Bradski, Adrian Kaehler: Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library, O'Reilly Media, 2017 3. Petrou, M., Petrou, C.: Image Processing: The Fundamentals, Wiley, ISBN-10: 047074586X, ISBN-13: 978-0470745861, 2010

Doporučená literatura:

1. E. Sojka, J. Gaura, and M. Krumnikl, Matematické základy digitálního zpracování obrazu. Ostrava, Plzeň: VŠB-TU Ostrava (Fakulta elektrotechniky a informatiky), Západočeská univerzita v Plzni, 2. vydání ed., 2011. 2. Gonzalez, R., C., Woods, R., E.: Digital Image Processing, Prentice Hall, ISBN-10: 013168728X, ISBN-13: 978-0131687288, 2007 3. Michael Beyeler: Machine Learning for OpenCV, Packt Publishing, ISBN-13: 978-1783980284, 2017

Forma způsobu ověření studijních výsledků a další požadavky na studenta

Odevzdání projektu a absolvování zkoušky.

E-learning

Další požadavky na studenta

Další požadavky na studenta nejsou kladeny.

Prerekvizity

Kód předmětuZkratkaNázevPovinnost
460-4129 ZODA Zpracování obrazových dat v automobilech Doporučená

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

Přednášky: 1. Základní pojmy z oblasti detekce objektů v obrazech, metoda posuvného okna. 2. Detekce objektů pomocí příznaků typu Haar (Viola-Jones detektor). 3. Lokální binární vzory a jejich využití pro detekci objektů. 4. Metody detekce chodců a automobilů v obrazech, histogramy orientovaných gradientů. 5. Analýza jízdních pruhů pomocí obrazů. 6. Konvoluční neuronové sítě. 7. Obrazové deskriptory, detektory zájmových bodů v obrazech (metody SIFT, SURF). 8. Klasifikátory AdaBoost a Support Vector Machines a jejich využití pro rozpoznávání objektů v obraze. 9. Metody pro detekci a rozpoznání dopravních značek a semaforů 10. Detekce objektů v IR obrazech. Úprava obrazu a jeho následné zpracování. 11. Analýza hloubkových obrazů, využití 3D senzorů (RealSense, Kinect). 12. Zpracování LIDARových obrazů a obrazů pořízených za pomocí sférické kamery. 13. Spojení dílčích detektorů do jednoho celku pro samo-řiditelné vozidlo. 14. Rezerva. Cvičení: 1. Vytvoření základní kostry detektoru pro zvolený zájmový objekt. 2. Implementace metody posuvného okna. 3. Příprava dat pro trénovací a testovací fázi detektoru. 4. Detekce založená na příznacích typu Haar. 5. Detekce pomocí lokálních binárních vzorů. 6. Detekce pomocí histogramů orientovaných gradientů. 7. Detekce objektů pomocí konvolučních neuronových sítí. 8. Práce s metodou Support Vector Machine a s metodou AdaBoost. 9. Detekce objektů v IR obrazech. Úprava obrazu a jeho následné zpracování. 10. Segmentace a detekce objektů v hloubkových obrazech, využití 3D senzorů (RealSense, Kinect). 11. Analýza objektů v obrazech pořízených pomocí sférické kamery a LIDAR senzoru. 12. Spojení dílčích detektorů do jednoho celku pro samo-řiditelné vozidlo. 13. Rezerva. 14. Zápočet.

Podmínky absolvování předmětu

Prezenční forma (platnost od: 2019/2020 zimní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodů
Zápočet a zkouška Zápočet a zkouška 100 (100) 51
        Zápočet Zápočet 40  20
        Zkouška Zkouška 60  20
Rozsah povinné účasti: Zápočet: 20-40 (vypracování úloh zadaných na cvičení) Zkouška: 20-60 (písemná a ústní)

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramObor/spec.Spec.ZaměřeníFormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2020/2021 (N0716A060001) Automobilové elektronické systémy P čeština Ostrava 1 povinný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku