prikaz prve stranice dokumenta Prepoznavanje prometnih znakova za ograničenje maksimalne brzine kretanja za primjenu u naprednim ADAS algoritmima
  Preuzmi
PDF 2.06 MB
diplomski rad
Prepoznavanje prometnih znakova za ograničenje maksimalne brzine kretanja za primjenu u naprednim ADAS algoritmima
2020. urn:nbn:hr:200:464953
Strišković, Barbara
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za komunikacije
Katedra za multimedijske sustave i digitalnu televiziju

Citirajte ovaj rad

Strišković, B. (2020). Prepoznavanje prometnih znakova za ograničenje maksimalne brzine kretanja za primjenu u naprednim ADAS algoritmima (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:464953

Strišković, Barbara. "Prepoznavanje prometnih znakova za ograničenje maksimalne brzine kretanja za primjenu u naprednim ADAS algoritmima." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2020. https://urn.nsk.hr/urn:nbn:hr:200:464953

Strišković, Barbara. "Prepoznavanje prometnih znakova za ograničenje maksimalne brzine kretanja za primjenu u naprednim ADAS algoritmima." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2020. https://urn.nsk.hr/urn:nbn:hr:200:464953

Strišković, B. (2020). 'Prepoznavanje prometnih znakova za ograničenje maksimalne brzine kretanja za primjenu u naprednim ADAS algoritmima', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 18.11.2024., https://urn.nsk.hr/urn:nbn:hr:200:464953

Strišković B. Prepoznavanje prometnih znakova za ograničenje maksimalne brzine kretanja za primjenu u naprednim ADAS algoritmima [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2020 [pristupljeno 18.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:464953

B. Strišković, "Prepoznavanje prometnih znakova za ograničenje maksimalne brzine kretanja za primjenu u naprednim ADAS algoritmima", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:464953

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:464953
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPrepoznavanje prometnih znakova za ograničenje maksimalne brzine kretanja za primjenu u naprednim ADAS algoritmima
Naslov (engleski)Recognition of maximal speed limit traffic signs for use in advanced ADAS algorithms
AutorBarbara Strišković
MentorMario Vranješ (mentor)
Član povjerenstvaMario Vranješ (predsjednik povjerenstva)
Član povjerenstvaRatko Grbić (član povjerenstva)
Član povjerenstvaDenis Vranješ (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za komunikacije)
(Katedra za multimedijske sustave i digitalnu televiziju)
Osijek
Datum i država obrane2020-09-24, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Zadatak ovog diplomskog rada bio je razviti rješenje za prepoznavanje prometnih znakova ograničenja brzine. Kompletno rješenje bilo je potrebno razviti u programskom jeziku C, izvršiti njegovu optimizaciju i implementirati ga na zadanu ADAS (engl. Advanced driver-assistance systems) razvojnu ploču. Kao uvod u rad, dan je pregled postojećih rješenja navedenog problema te su pojašnjene metode i načini koji realiziraju slične zadatke. Detekcija prometnih znakova ograničenja brzine ostvarena je pomoću algoritma koji dolazi uz Vision SDK razvojno okruženje, dok je ispravno prepoznavanje prometnih znakova ostvareno pomoću konvolucijske neuronske mreže (engl. Convolutional Neural Network, CNN ili ConvNet). S obzirom da je CNN bilo potrebno implementirati na zadanu ADAS razvojnu ploču, prilikom kreiranja mreže bilo je potrebno obratiti pozornost na procesorske mogućnosti zadanog sklopovlja. Stoga, umjesto velikog broja konvolucijskih slojeva, željena CNN sadrži samo jedan konvolucijski sloj s 8 filtara veličine 5x5 elemenata slike i softmax sloj. CNN je kreirana u dva programska jezika, programskom jeziku Python za potrebe treniranja CNN na računalu i u programskom jeziku C za implementaciju CNN na ADAS razvojnu ploču. Rezultati testiranja pokazuju određenu preciznost, međutim ona nije zadovoljavajuća na svim korištenim skupovima testnih podataka. Pretpostavlja se da je rezultat klasifikacije prilično nizak zbog problema nastalog prilikom izdvajanja slike iz videozapisa i promjene rezolucije slike te bi daljnji rad svakako trebao ustanoviti da li je dana pretpostavka ispravna i zašto je problem nastao.
Sažetak (engleski)
The main goal of this thesis was to develope a solution for for recognizing speed limit traffic signs. The complete solution had to be developed in the C programming language, optimized and implemented on the default ADAS (Advanced driver-assist systems) development board. As an introduction to the paper, an overview of the existing solutions to the mentioned problems is given, which are explained methods and ways of realizing similar tasks. Speed limit traffic sign detection is achieved using an algorithm that comes with the Vision SDK development environment, while correct traffic sign recognition is achieved using Convolutional Neural Network (CNN or ConvNet). Since CNN needed to be implemented on a given ADAS development board, when creating the network it was necessary to pay attention to the processing capabilities of the given assembly. Therefore, instead of a large number of convolutional layers, the desired CNN contains only one convolutional layer with 8 filters size of 5x5 pixels and a softmax layer. CNN was created in two programming languages, the Python programming language for CNN training on a computer and the C programming language for implementing CNN on the ADAS development board. The test results show some accuracy, however, it is not satisfactory on all test datasets used. It is assumed that the result of the classifications is quite low due to the problem that arose when extracting images from the video and changing image resolutions. Further work should certainly determine whether the given assumption is corrected and why the problem occurred.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:464953
Studijski programNaziv: Elektrotehnika; smjerovi: Komunikacije i informatika, Elektroenergetika
Smjer: Komunikacije i informatika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike (mag.ing.el.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-11-19 10:04:22