📄Работа №185712
Тема: РЕАЛИЗАЦИЯ АЛГОРИТМОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ В ЗАДАЧАХ ТЕХНИЧЕСКОГО ЗРЕНИЯ
Характеристики работы
Тип работы
Дипломные работы, ВКР
Предмет
Физика
Объем:
36 листов
Год:
2021
Просмотров:
64
4650
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Реферат
Перечень необходимых понятий 5
Введение 6
1 Техническое зрение 8
1.1 Типы оптических систем 8
1.2 Программные платформы 9
1.3 Подходы классического компьютерного зрения 11
2 Распознавание образов нейронными сетями 14
2.1 Основные положения 14
2.2 Архитектуры нейросетей 17
2.3 Виды обучения нейронной сети 18
2.4 Искусственная нейронная сеть для распознавания образов 19
2.5 Программная реализация 20
3 Карта глубины 21
3.1 Построение с помощью специальных камер глубин 21
3.2 Построение карты глубин по стереопаре 22
3.3 Использование нейронных сетей 23
3.4 Программная реализация 24
4 Практическая реализация алгоритмов на Jetson Nano 26
4.1 Оборудование и их характеристики 26
4.2 Результаты распознавания объектов 27
4.3 Результаты построения карты глубины 28
Заключение 31
Список использованных источников и литературы 32
Приложение 1 33
Перечень необходимых понятий 5
Введение 6
1 Техническое зрение 8
1.1 Типы оптических систем 8
1.2 Программные платформы 9
1.3 Подходы классического компьютерного зрения 11
2 Распознавание образов нейронными сетями 14
2.1 Основные положения 14
2.2 Архитектуры нейросетей 17
2.3 Виды обучения нейронной сети 18
2.4 Искусственная нейронная сеть для распознавания образов 19
2.5 Программная реализация 20
3 Карта глубины 21
3.1 Построение с помощью специальных камер глубин 21
3.2 Построение карты глубин по стереопаре 22
3.3 Использование нейронных сетей 23
3.4 Программная реализация 24
4 Практическая реализация алгоритмов на Jetson Nano 26
4.1 Оборудование и их характеристики 26
4.2 Результаты распознавания объектов 27
4.3 Результаты построения карты глубины 28
Заключение 31
Список использованных источников и литературы 32
Приложение 1 33
📖 Введение
В настоящее время очень активно развиваются беспилотные аппараты, будь то «дроны», беспилотные автомобили и многое другое. И они всё активно вливаются в нашу жизнь, на фоне этого встаёт вопрос об безопасности их перемещения для других участников жизни, а также о том, как они будут себя позиционировать в пространстве.
Как пример такой проблемы можно привести случай, когда на дорогу внезапно выбежал человек и беспилотному автомобилю нужно быстро понять, что это за объект, какое расстояние для него и быстро принять решение.
Для таких целей так раз и подходят такие средства, как заранее обученная распознавать объекты искусственная нейронная сеть и карта глубины. Для решения этих задач существует множество алгоритмов и методов.
Конечно, мы можем использовать очень мощные компьютеры для решения этих задач, однако нужно понимать, что для беспилотных аппаратов необходимо компактное и не энергозатратное решение. Для этого отлично подойдёт мини-компьютер Jetson Nano от компании NV idia, т.к. достаточными ресурсами для быстрого вычисления, хорошо подходит для нейронных сетей и довольно компактный, что позволяет использовать его для в страиваемых решений.
Цель работы: Реализовать на базе Jetson Nano распознавание образов при помощи искусственной нейронной сети и построение карты глубины для определения расстояния при помощи стереокамеры.
Задачи:
1) Ознакомиться с основными задачами технического зрения и методами их решения;
2) Ознакомиться с методами распознавания образов;
3) Ознакомиться с методами построения карты глубины для определения расстояния до объекта ;
4) Изучение основ работы с Jetson Nano и стереокамерой;
5) Реализовать распознавание образов и построение карты глубины на Jetson Nano;
6) Провести эксперименты реализаций на Jetson Nano распознавания объектов и построения карты глубины.
Как пример такой проблемы можно привести случай, когда на дорогу внезапно выбежал человек и беспилотному автомобилю нужно быстро понять, что это за объект, какое расстояние для него и быстро принять решение.
Для таких целей так раз и подходят такие средства, как заранее обученная распознавать объекты искусственная нейронная сеть и карта глубины. Для решения этих задач существует множество алгоритмов и методов.
Конечно, мы можем использовать очень мощные компьютеры для решения этих задач, однако нужно понимать, что для беспилотных аппаратов необходимо компактное и не энергозатратное решение. Для этого отлично подойдёт мини-компьютер Jetson Nano от компании NV idia, т.к. достаточными ресурсами для быстрого вычисления, хорошо подходит для нейронных сетей и довольно компактный, что позволяет использовать его для в страиваемых решений.
Цель работы: Реализовать на базе Jetson Nano распознавание образов при помощи искусственной нейронной сети и построение карты глубины для определения расстояния при помощи стереокамеры.
Задачи:
1) Ознакомиться с основными задачами технического зрения и методами их решения;
2) Ознакомиться с методами распознавания образов;
3) Ознакомиться с методами построения карты глубины для определения расстояния до объекта ;
4) Изучение основ работы с Jetson Nano и стереокамерой;
5) Реализовать распознавание образов и построение карты глубины на Jetson Nano;
6) Провести эксперименты реализаций на Jetson Nano распознавания объектов и построения карты глубины.
✅ Заключение
В ходе работы ВКР были получены следующие результаты:
а) Были рассмотрены задачи технического зрения;
б) Был проведён обзор методов распознавания изображения при помощи искусственной нейронной сети;
в) Был проведён обзор методов построения карт глубины для оценки расстояния;
г) Были получены навыки работы с NVidia Jetson Nano и стереокамерой “IMX219-83”;
д) Методы распознавания образов и построения карт глубины при использовании стереокамеры были реализованы на Jetson Nano;
е) Были проведены практические эксперименты.
В планах на будущее повысить точность результатов и на базе данной встраиваемой системы реализовать беспилотный аппарат.
а) Были рассмотрены задачи технического зрения;
б) Был проведён обзор методов распознавания изображения при помощи искусственной нейронной сети;
в) Был проведён обзор методов построения карт глубины для оценки расстояния;
г) Были получены навыки работы с NVidia Jetson Nano и стереокамерой “IMX219-83”;
д) Методы распознавания образов и построения карт глубины при использовании стереокамеры были реализованы на Jetson Nano;
е) Были проведены практические эксперименты.
В планах на будущее повысить точность результатов и на базе данной встраиваемой системы реализовать беспилотный аппарат.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.