Model vozidla s automatickým sledováním trasy pomocí konvoluční neuronové sítě

Jakub Zahradník

Bachelor's thesis

Abstract:

Tato bakalářská práce se zaměřuje na návrh a implementaci autonomního vozidla s využitím konvolučních neuronových sítí pro automatické sledování trasy. Teoretická část zkoumá principy strojového vidění a senzoriky pro autonomní řízení. Dále jsou popsány principy konvolučních neuronových sítí a jejich aplikace pro metody detekce a sledování trasy. Je navržena metodika pro sběr dat a trénování sítě. Praktická část se zabývá konstrukcí vozidla, výběrem komponent a implementací softwaru pro sběr dat, trénování TensorFlow modelu a inferenci. Natrénovaný model je testován v reálných podmínkách a vyhodnocen z hlediska přesnosti a spolehlivosti sledování trasy.

Abstract:

This bachelor thesis focuses on the design and implementation of an autonomous vehicle using convolutional neural networks for automatic track following. The theoretical part explores the principles of machine vision and sensors used for autonomous driving. The principles of convolutional neural networks and their application to track detection and following methods are also described. A methodology for data collection and training of the network is proposed. The practical part deals with vehicle design, selection of components and software implementation of data collection, training a TensorFlow model and inference. The trained model is tested in real conditions and evaluated in terms of accuracy and reliability of track following.

Keywords

autonomní vozidlo, konvoluční neuronové sítě, strojové vidění, sledování trasy, TensorFlow

Language used: Czech

Date on which the thesis was submitted / produced: 10. 5. 2024

Accessible from:: 31. 12. 2999

Thesis defence

• Supervisor: Ing. Dominik Štursa

University of Pardubice

Faculty of Electrical Engineering and Informatics

Bachelor programme / field:
Automation / Automation