Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "vehicle detection" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Inteligentny system wizyjny sterowania sygnalizacją świetlną na wlotach skrzyżowań
Intelligent vision control system at traffic lights on intersection
Autorzy:
Salach, J.
Walas, P.
Powiązania:
https://bibliotekanauki.pl/articles/145075.pdf
Data publikacji:
2018
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
system wizyjny
detekcja pojazdu
sygnalizacja świetlna
vision system
vehicle detection
traffic lights
Opis:
W artykule przedstawiono koncepcję systemu wizyjnego, którego rolą będzie zarządzanie sygnalizacją świetlną na podstawie natężenia ruchu, rodzaju pojazdów oraz ich prędkości. Koncepcja będzie miała wpływ na elastyczną zmianę czasu trwania poszczególnych faz sygnalizacji. Na podstawie wykonanych pomiarów pokazano, że ciągła analiza danego wlotu przez system wizyjny może przynieść lepsze efekty w jego funkcjonowaniu, niż jak to jest obecnie, czyli poprzez detektory pętlowe (przejazdowe lub obecności). Porównano również metody detekcji pod względem niezawodności oraz ich wpływ na sterowanie.
The main issue presented in this article is creating a vision system, which duty will be to control traffic lights taking into account the traffic flow, types of vehicles and their velocity. The main conception is to have influence on the flexible change of the duration of each signaling phase. It will be proved, on the basis of the measurements, that continuous analysis of the junction through vision system can have better impact on its functioning than analysis through inductive-loop traffic detectors (passing or arriving). The detection methods is compared considering reliability of operation and the impact on the control.
Źródło:
Drogownictwo; 2018, 9; 288-293
0012-6357
Pojawia się w:
Drogownictwo
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sieci konwolucyjnej głębokiego uczenia w detekcji pojazdów
Use of deep learning convolutional network in vehicle detectionmears
Autorzy:
Oszutowska-Mazurek, D. A.
Mazurek, P.
Powiązania:
https://bibliotekanauki.pl/articles/136004.pdf
Data publikacji:
2017
Wydawca:
Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie
Tematy:
sieć konwolucyjna
uczenie głębokie
detekcja pojazdów
przetwarzanie obrazów
image processing
deep learning
convolutional neural network
vehicle detection
Opis:
Wstęp i cel: Detekcja pojazdów na znaczenie w bezpieczeństwie ruchu drogowego oraz programowaniu pojazdów autonomicznych. Celem pracy jest detekcja pojazdów odróżniająca obrazy pojazdów od innych obrazów nie zawierających pojazdów. Materiał i metody: W pracy wykorzystano bazę pojazdów zawierającą obrazy ekstrahowane z sekwencji wideo, które przetwarzano za pomocą sieci konwolucyjnej głębokiego uczenia. Wyniki: Uzyskana sieć konwolucyjna charakteryzuje się bardzo dobrymi parametrami, krzywa PSNR względem kroku uczenia rośnie co oznacza, że zachodzi proces odszumiania kerneli w całym procesie uczenia. Wniosek: Proponowana metoda może być wykorzystana w programowaniu pojazdów autonomicznych oraz implementacji w Inteligentnych Systemach Transportowych ITS do detekcji pojazdów; bazuje na uczeniu a nie na projektowaniu algorytmu syntetycznego, dzięki temu jest potrzebny relatywnie krótki czas opracowania klasyfikatora.
Introduction and aim: Vehicle detection plays essential role in road safety and automatic vehicle programming. The aim of study is vehicle detection distinguishing car and non-car images Material and methods: Vehicle database images extracted from video sequences were processed by deep learning convolutional network. Results: Obtained convolutional network is characterised by very good parameters, PSNR curve indicates denoising of kernels in learning process. Conclusion: Proposed method is potentially useful in autonomic vehicles programming and Intelligent Transportation Systems (ITS) for vehicles detection. The solution is based on learning, not on synthetic algorithm design, thanks to this, a relatively short time of classifier development is needed.
Źródło:
Problemy Nauk Stosowanych; 2017, 7; 47-56
2300-6110
Pojawia się w:
Problemy Nauk Stosowanych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model systemu detekcji przeszkód i mapowania środowiska dla autonomicznych pojazdów podwodnych
Simulation Model of Obstacle Detection and Mapping System for AUVs
Autorzy:
Kot, Rafał
Piskur, Paweł
Sigiel, Norbert
Powiązania:
https://bibliotekanauki.pl/articles/27312466.pdf
Data publikacji:
2023
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
detekcja przeszkód
akwizycja danych
przetwarzanie zobrazowań sonarowych
autonomiczny pojazd podwodny
sonar
obstacle detection
data acquisition
sonar image processing
autonomous underwater vehicle
AUV
Opis:
W artykule przedstawiono model systemu detekcji przeszkód i mapowania środowiska, bazujący na przetwarzaniu obrazowym w czasie rzeczywistym, przeznaczony dla autonomicznego pojazdu podwodnego. Model został zrealizowany w oparciu o parametry pracy rzeczywistego sonaru z mechanicznym przestawianiem wiązki Tritech Micron Sonar. Działanie systemu detekcji zostało zweryfikowane z wykorzystaniem matematycznego modelu autonomicznego pojazdu podwodnego poruszającego się w środowisku podwodnym wyrażonym mapą testową przygotowaną na bazie rzeczywistych pomiarów zrealizowanych za pomocą ww. sonaru. Model systemu pozwala wykrywać i zapisywać w postaci mapy, przeszkody znajdujące się w polu widzenia sonaru w czasie rzeczywistym.
This article presents a real-time model of an obstacle detection and environmental mapping system based on image processing for an autonomous underwater vehicle (AUV). The model was based on Tritech Micron Sonar operating parameters with mechanical beam adjustment. The operation of the detection system was verified using a mathematical model of an autonomous underwater vehicle moving in the underwater environment, expressed by a test map prepared based on actual measurements of the above-mentioned sonar. The system model allows for detecting and mapping obstacles in the sonar’s field of view in real-time.
Źródło:
Pomiary Automatyka Robotyka; 2023, 27, 4; 19--26
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Quasi-autonomiczny pojazd na bazie zestawu Lego Mindstorms NXT
Lego Mindstorms NXT based quasi-autonomous vehicle
Autorzy:
Dimitrova-Grekow, T.
Powiązania:
https://bibliotekanauki.pl/articles/155173.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
pojazdy quasi-autonomiczne
nawigacja
mapowanie otoczenia
komunikacja człowiek-maszyna
detekcja obiektów
algorytmy SLAM
Mindstorms NXT
quasi-automonous vehicle
mapping
object detection
navigation
SLAM algorithms
human-machine communication
Opis:
W artykule przedstawiono metodę sterowania pojazdem, która jest analogiczna do wydawania poleceń człowiekowi, czyli operuje na abstrakcyjnych pojęciach. Zbadane zostało na ile możliwa jest budowa takiego systemu korzystając z powszechnie dostępnego sprzętu - zestawu Lego Mindstorms NXT. Główne zadania wykonywane przez robota, to budowanie mapy, osiągnięcie pozycji wskazanej przez operatora oraz wykrywanie i rozpoznawanie prostych obiektów. Badania eksperymentalne wykazały, że zastosowany algorytm rozpoznawaniu obiektów, uzyskał wysoką trafność.
The presented research evaluates how suitable the Lego Mindstorms NXT sets are for implementing real time algorithms in mobile devices. Therefore, a vehicle control method, based on an abstract commands list, was developed. The main tasks executed by the vehicle are: mapping, reaching a location determined by the operator and recognizing a primitive object. The interface of the project is shown in Fig. 1. It allows the user/operator to observe the map, the parameters of the objects and to send commands from the dynamic generated command list. The implemented mapping and object detection algorithms are shown in Fig. 2. The vehicle construction (Fig. 3) is based on the classical model of 2 steered and one balancing wheel. Tab.1 presents the following test results: the achieved position accuracy, object recognition precision and the time of task completion. The odometry [2, 3] of the construction is not good enough. Navigation could be improved by adding some more precise sensors [4], [5]. The efficiency of the object detection algorithm reaches 75%, which is relatively suitable for the vehicle tasks. The test experience shows that the Lego NXT set is not an easy platform to create a general purpose vehicle, because of the many sensor and motor problems. However, the general positive results speak for its partial suitability by experimental verification of different modern attempts requiring vehicles, avoiding great hardware costs.
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 8, 8; 839-841
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies