Tato práce se zabývá aktuálním tématem umělých neuronových sítí a jejich využití v odhadu hloubkové mapy na základě vstupního barevného snímku získaného z monokulární kamery. Práce je rozdělena do několika částí. V první části práce jsou popsány teoretické základy umělých neuronových sítí. Následující část se zabývá analýzou aktuálně používaných architektur neuronových sítí a výběrem vhodné struktury pro sémantickou segmentaci obrazových dat z kamerového snímače. V práci jsou taktéž rozebrány základní principy práce s mračnem bodů, jako je registrace, transformace apod. V experimentální části práce jsou popsány senzory robotické platformy jako je hloubková kamera či V-SLAM kamera, včetně postupu snímání a předzpracování množiny dat pro učení neuronové sítě. V závěru práce je proveden rozbor výsledků všech testovaných neuronových sítí, ze kterých byly na základě zvolených kritérií vybrány nejlepší, u kterých byla provedena detailní analýza.
Anotace v angličtině
This thesis describes neural networks and implementation of these neural networks for depth scene estimation. Input for the neural network is image obtained from monocular camera. The first part of the thesisi contains introduction to the neural networks. The second part describes appropriate architectures usable for image segmentation. The third part of this thesis describes methods usable for poing cloud registration, transformation etc. Sensors fitted on robotics platform, like RGB-D or V-SLAM camera, are describes in experimental part of this thesis. Methods used for data pre-processing usable for neural networks are describes in this part of thesis too. The last chapter describes methods used for analyze estimated depth images obtained from neural network. The selected neural networks were analyzed to obtain statistical parameters of tested networks.
Klíčová slova
Umělé neuronové sítě, UNS, odhad hloubkového snímku, zpracování obrazu neuronovými sítěmi, hloubková mapa, RGB-D, mračno bodů
Klíčová slova v angličtině
Neural networks, depth scene, point cloud, image processing using neural networks, RGB-D
Rozsah průvodní práce
-
Jazyk
CZ
Anotace
Tato práce se zabývá aktuálním tématem umělých neuronových sítí a jejich využití v odhadu hloubkové mapy na základě vstupního barevného snímku získaného z monokulární kamery. Práce je rozdělena do několika částí. V první části práce jsou popsány teoretické základy umělých neuronových sítí. Následující část se zabývá analýzou aktuálně používaných architektur neuronových sítí a výběrem vhodné struktury pro sémantickou segmentaci obrazových dat z kamerového snímače. V práci jsou taktéž rozebrány základní principy práce s mračnem bodů, jako je registrace, transformace apod. V experimentální části práce jsou popsány senzory robotické platformy jako je hloubková kamera či V-SLAM kamera, včetně postupu snímání a předzpracování množiny dat pro učení neuronové sítě. V závěru práce je proveden rozbor výsledků všech testovaných neuronových sítí, ze kterých byly na základě zvolených kritérií vybrány nejlepší, u kterých byla provedena detailní analýza.
Anotace v angličtině
This thesis describes neural networks and implementation of these neural networks for depth scene estimation. Input for the neural network is image obtained from monocular camera. The first part of the thesisi contains introduction to the neural networks. The second part describes appropriate architectures usable for image segmentation. The third part of this thesis describes methods usable for poing cloud registration, transformation etc. Sensors fitted on robotics platform, like RGB-D or V-SLAM camera, are describes in experimental part of this thesis. Methods used for data pre-processing usable for neural networks are describes in this part of thesis too. The last chapter describes methods used for analyze estimated depth images obtained from neural network. The selected neural networks were analyzed to obtain statistical parameters of tested networks.
Klíčová slova
Umělé neuronové sítě, UNS, odhad hloubkového snímku, zpracování obrazu neuronovými sítěmi, hloubková mapa, RGB-D, mračno bodů
Klíčová slova v angličtině
Neural networks, depth scene, point cloud, image processing using neural networks, RGB-D
Zásady pro vypracování
-
Zásady pro vypracování
-
Seznam doporučené literatury
-
Seznam doporučené literatury
-
Přílohy volně vložené
-
Přílohy vázané v práci
-
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Po představení doktoranda Ing. Ladislava Berana byla komise seznámena se stanoviskem školitele k disertační práci a osobě disertanta. Doktorand seznámil komisi se svojí disertační prací formou prezentace. Poté byly předneseny posudky oponentů a doktorand reagoval na připomínky oponentů. V následné veřejné diskusi disertant odpověděl na otázky členů komise, které jsou uvedeny na samostatných listech. Komise posoudila disertační práci a rozhodla, že disertační práce není plagiát. Na závěr proběhlo tajné hlasování. Protokol o výsledcích hlasování tvoří samostatnou přílohu.