Αυτόματη αποφυγή σύγκρουσης κινούμενων οχημάτων με μεθόδους μηχανικής όρασης
| datacite.contributor.RelatedPerson | Κωνσταντίνος Μουστάκας | |
| datacite.contributor.Supervisor | Ευάγγελος Δερματάς | |
| datacite.rights | http://purl.org/coar/access_right/c_abf2 | el |
| dc.contributor.author | Τρύφωνας, Χριστόδουλος | |
| dc.contributor.other | Tryfonas, Christodoulos | |
| dc.date.accessioned | 2020-10-21T10:36:59Z | |
| dc.date.available | 2020-10-21T10:36:59Z | |
| dc.date.copyright | 2020-10-14 | |
| dc.degree | graduateThesis | el |
| dc.description.abstract | Αντικείμενο της παρούσας εργασίας είναι η ανάπτυξη ενός συστήματος πρόβλεψης σύγκρουσης αυτοκινήτων, βασιζόμενο στην μηχανική όραση καθώς και σε τεχνικές αναγνώρισης προτύπων. Το αρχικό πρόβλημα χωρίζεται σε δύο σκέλη: α) αναγνώριση του προπορευόμενου αυτοκινήτου και β) εντοπισμός της περιοχής του οδοστρώματος. Στο 1ο σκέλος εκμεταλλευόμαστε το χαρακτηριστικό του χρώματος για την τμηματοποίηση των κόκκινων αντικειμένων της εικόνας και στην συνέχεια βασιζόμαστε στην ιδιότητα της συμμετρίας, της σχετικής θέσης και της ομοιότητας, για να λάβουμε μόνο τα πίσω φώτα των προπορευόμενων αυτοκινήτων και να αποκλείσουμε τα υπόλοιπα. Στο 2ο σκέλος επιχειρούμε να τμηματοποιήσουμε την εικόνα ώστε να εκτιμήσουμε την περιοχή του δρόμου. Πρόκειται λοπόν για πρόβλημα κατηγοριοποίησης των pixels μίας εικόνας σε δύο κλάσεις: i) δρόμος και ii) μη-δρόμος. Αυτό επιτυγχάνεται μέσω του αλγορίθμου Random Walker σε συνδυασμό με την οπτική ροή και το προηγούμενο αποτέλεσμα ώστε να καθοδηγήσουμε σωστά τον αλγόριθμο και να δώσει αξιόπιστο αποτέλεσμα. Η ποιοτική αξιολόγηση του συστήματος γίνεται με εικόνες και βίντεο που έχουν ληφθεί από δρόμους της Πάτρας ή από το διαδίκτυο. Απαραίτητη είναι και η ποσοτική αξιολόγηση ώστε να συγκρίνουμε τις επιδόσεις του συστήματος με άλλες προσεγγίσεις που συναντάμε στην βιβλιογραφία. Γι’ αυτό χρησιμοποιούμε δημόσιες βάσεις δεδομένων ειδικά σχεδιασμένων για προβλήματα μηχανικής όρασης. Σε κάθε σκέλος παρουσιάζονται αναλυτικά τα βήματα υλοποίησης και παρατίθενται πειραματικά αποτελέσματα, παρατηρήσεις και πιθανές βελτιώσεις. | el |
| dc.description.translatedabstract | The purpose of this dissertation is to create a system that performs Preceding Vehicle Detection and Road Area Recognition based on computer vision and pattern recognition methods. At the first part, our subsystem relies on cues like color, symmetry and relevant position that are common to all rear car lights, making it accurate even in difficult scenarios like urban driving. The road area segmentation is performed using the powerful Random Walker algorithm, combined with the a priori information of camera’s optical view and the calculation of optical flow between two consecutive frames. Despite the challenging part of taking the input from just a monocular camera our system was evaluated both qualitative and quantitative, giving impressively high scores in completeness and precision. | el |
| dc.identifier.uri | http://hdl.handle.net/10889/14025 | |
| dc.language.iso | gr | el |
| dc.subject | Συστήματα αναγνώρισης | el |
| dc.subject | Οχήματα | el |
| dc.subject | Δρόμος | el |
| dc.subject.alternative | Recognition systems | el |
| dc.subject.alternative | Vehicles | el |
| dc.subject.alternative | Road | el |
| dc.title | Αυτόματη αποφυγή σύγκρουσης κινούμενων οχημάτων με μεθόδους μηχανικής όρασης | el |
| dc.title.alternative | Automatic collision avoidance of moving vehicles using computer vision methods | el |
| oaire.licenseCondition | null | el |