Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Patryk Szymaniak

System rozpoznawania znaków drogowych wykorzystujący platformę Raspberry Pi


Road Sign Recognition System Based on Raspberry Pi-Platform


Opiekun pracy dyplomowej: dr inż. Piotr Korbel prof. ucz.
Praca dyplomowa inżynierska obroniona 2019-02-13
Streszczenie pracy dyplomowej:
W niniejszej pracy inżynierskiej poruszony został temat rozpoznawania obrazów. Celem jest stworzenie przenośnego systemu rozpoznawania znaków drogowych wykorzystując komputer jednopłytkowy, Raspberry Pi. Zasadnicza część pracy skupia się na opracowaniu oprogramowania zdolnego do analizowania obrazów ze strumieni wideo, obrazów statycznych oraz kamery, rozpoznając znajdujące się w nich znaki. W pierwszych rozdziałach omówione zostały metody klasyfikacji obiektów w obrazach dwuwymiarowych oraz przedstawiony został typowy komputerowy system rozpoznawania. W dalszej części zaprezentowano budowę systemu oraz opracowany w aplikacji algorytm rozpoznawania znaków. W algorytmie wykorzystano dwie metody klasyfikacji, klasyfikator kaskadowy jako detektor znaków oraz klasyfikator SVM do celów ich rozpoznawania. Sprawność niniejszego systemu została oszacowana w warunkach statycznych na 95-100%, natomiast w warunkach rzeczywistych na 60%. W ostatnim rozdziale zawarto podsumowanie pracy oraz wnioski i sugestie dalszego rozwoju systemu. Słowa kluczowe: rozpoznawanie znaków drogowych, systemy wizyjne, komputery jednopłytkowe, rozpoznawanie obiektów, przetwarzanie obrazów.
Abstract:
The present thesis touches the issue of pattern recognition. The purpose is designing a portable traffic sign recognition system based on single-board computer, Raspberry Pi. The main part of thesis focuses on making an application which analyzes images from video streams, static images and camera to recognize traffic signs. In the first chapters two-dimensional image object classification methods were discussed and typical computer recognition system was shown. The next part of the paper describes system structure and developed recognition algorithm. Two classification methods were used in the algorithm, cascade classifier using LBP features for road sign detection problem, and SVM classifier for recognizing. Classification efficiency of a system was estimated at 95-100% for static laboratory conditions and 60% for real-life operational conditions. The last part of the thesis contains summary of the project, conclusions and suggestions of possible future system improvements. Keywords: traffic sign recognition, machine vision, single-board computers, pattern recognition, image processing.