Tema 1: Detekcija objekata ispred vozila pomoću kamere na prednjoj strani vozila
Trendovi u automobilskoj industriji znatno su se promijenili u posljednjih desetak godina. Autonomna vozila postaju svakodnevica, a razina autonomije samih vozila iz dana u dan raste. Kako bi vozila mogla biti autonomna i obavljati neke svoje funkcije bez potrebe za intervencijom vozača, potrebno im je na neki način ugraditi umjetnu inteligenciju. Npr., kod odluka koje vozilo mora donijeti na osnovu onoga što se nalazi ispred njega u stvarnom svijetu, jednu od najvažnijih uloga igraju informacije dobivene pomoću slike s kamere koja se nalazi na prednjem kraju automobila. Da bi automobil znao kako postupiti u određenom trenutku, potrebno je da zna postoje li ispred njega nekakvi objekti (prometni znakovi, pješaci, vozila, zgrade, …). U ovom radu potrebo je osmisliti računalni algoritam za detekciju objekata ispred vozila na osnovu slike dobivene s kamere na prednjem kraju vozila. Algoritam treba pravilno detektirati različite objekte i za svaki okvir videa pohraniti njihovu lokaciju i dimenzije. Nakon razvoja algoritma u Matlabu, potrebno je algoritam prebaciti u programski jezik C, izvršiti njegovu optimizaciju i spustiti ga na ADAS (engl. Advanced Driver Assistance System) ploču kako bi se testirala njegova učinkovitost na realnoj platformi pri čemu je potrebno koristiti dostupni SDK.
mentor: Doc.dr.sc. Ratko Grbić
sumentor: mag.ing.el. Matija Pul
Tema 2: Klasifikacija objekata detektiranih ispred vozila pomoću kamere na prednjoj strani
Autonomna vozila danas su sve zastupljenija na tržištu. Pri tome, svakim danom razina samostalnosti autonomnih vozila pri donošenju odluka tijekom vožnje raste. Veliki dio odluka pri autonomnoj vožnji automobil donosi na osnovu informacija dobivenih iz slika prikupljenih kamerom koja se nalazi na prednjoj strani vozila. Kako bi te odluke bile ispravne i kako bi jamčile sigurnost vožnje, kako za predmetni automobil, tako i za njegovu okolinu, potrebno je ispravno detektirati objekte koji se nalaze ispred automobila i jasno razlučiti o kojim se objektima konkretno radi (prometni znak, pješak, automobil, kamion, zgrada, …). U ovom diplomskom radu potrebno je na osnovu postojećeg algoritma za detekciju objekata ispred vozila razviti vlastiti algoritam za klasifikaciju tih detektiranih objekata u različite skupine. Algoritam treba za svaki okvir videa dobiven s prednje kamere na vozilu pohraniti sve objekte koji se u njemu pojavljuju te pohraniti informaciju o kojim se objektima konkretno radi (prometni znak, pješak, automobil,…). Nakon razvoja algoritma u Matlabu, potrebno je algoritam prebaciti u programski jezik C, izvršiti njegovu optimizaciju i spustiti ga na ADAS (engl. Advanced Driver Assistance System) ploču kako bi se testirala njegova učinkovitost na realnoj platformi pri čemu je potrebno koristiti dostupni SDK.
mentor: Doc.dr.sc. Ratko Grbić
sumentor: mag.ing.el. Matija Pul
Tema 3: Prikaz stanja prostora oko automobila iz različitih pogleda pomoću sustava kamera na automobilu (Overview of the space arround the car from different views using the car camera system)
Prikaz stanja prostora oko automobila iz različitih pogleda (engl. surround view) pomoću sustava kamera na automobilu omogućava vozaču različite poglede na automobil, kao što su pogled odozgor (eng. top view), pogled straga (eng. rear view) i panoramski prikaz. Informacije dobivene tim sustavom kamera se obrađuju i u prvom redu služe vozaču kao pomoć pri parkiranju. Ovaj sustav pruža vozaču pogled na vanjski dio vozila kako bi mu pomogao u manevriranju pri parkiranju i upozorio ga na postojanje prepreka na putanji kretanja koje možda nisu odmah vidljive. Zaslon na unutrašnjoj upravljačkoj ploči vozila prikazuje pogled prostora oko automobila, koji se obično dobiva pomoću četiri širokokutne kamere montirane bočno na prednjoj i stražnjoj strani vozila. Najjednostavnija implementacija navedenog sustava je pogled koji prikazuje prostor 360 stupnjeva oko vozila, dan odozgor u 2D perspektivi, nazvan pogled odozgor. Pogledi s različitih kamera su stopljeni u jedan zajednički uz korištenje ispravnih geometrijskih operacija. U ovom radu potrebo je osmisliti računalni algoritam za dobivanje jedinstvenog pogleda odozgor pomoću sustava kamera na automobilu. Nakon razvoja algoritma u Matlabu, potrebno je algoritam prebaciti u programski jezik C, izvršiti njegovu optimizaciju i spustiti ga na ADAS (engl. Advanced Driver Assistance System) ploču kako bi se testirala njegova učinkovitost na realnoj platformi pri čemu je potrebno koristiti dostupni SDK.
mentor: Doc.dr.sc. Mario Vranješ
sumentor: mag.ing.el. Matija Pul
Tema 4: Izrada geometrije 3D prostora na temelju sustava 2D kamera autonomnog vozila
Structure From Motion (SFM) predstavlja dobivanje informacija o geometriji 3D prostora na temelju 2D slika. Na temelju izračunate geometrije prostora autonomno vozilo može poduzimati odgovarajuće radnje (npr. planiranje trajektorije, lokalizacija i sl.). U okviru diplomskog rada potrebno je istražiti metode koje su razvijene za SFM u području autonomne vožnje te dostupne implementacije (Matlab, OpenCV, Point Cloud Library i sl.). Za odabrane metode potrebno je procijeniti njihovu efikasnost s obzirom na točnost procjene geometrije prostora te prikladnost za rad u stvarnom vremenu. Upoznati se s implementacijom SFM u dostupnom SDK-u koji dolazi s razvojnom ADAS (engl. Advanced Driver-Assistance System) pločom. Iskoristiti dostupni SFM za izgradnju ADAS aplikacije. Po potrebi modificirati dostupnu implementaciju te omogućiti ispitivanje rješenja na danoj platformi (npr. na video signalima koji se šalju na ploču putem Etherneta). Omogućiti spremanje dobivenih rezultata u strukturiranom obliku na PC koji omogućuje daljnju obradu rezultata i evaluaciju implementiranog rješenja. Po potrebi izvršiti optimizaciju rješenja.
mentor: Izv.prof.dr.sc. Marijan Herceg
sumentor: mag.ing.comp. Danijel Babić
Tema 5: Planiranje kretanja autonomnog vozila na temelju dostupne globalne mape
Planiranje kretanja autonomnog vozila predstavlja procjenu referentne trajektorije kojom se vozilo treba kretati kako bi stigao s trenutne pozicije na željenu. Pri tome su autonomnom vozilu na raspolaganju različiti senzori (LIDAR-a, kamere, GPS i sl.) ili mu je na raspolaganju globalna 3D mapa okoline. U okviru diplomskog rada potrebno je osmisliti algoritam koji će na temelju poznate globalne 3D mape okoline, poznatih dimenzija i dinamičke karakteristika vozila procijeniti referentu trajektoriju kojom se vozilo treba kretati. Pri tome je potrebno najprije izvršiti lokalizaciju vozila na temelju dostupnog senzorskog sustava. Nakon razvoja algoritma u Matlabu, potrebno je algoritam prebaciti u programski jezik C i izvršiti njegovu optimizaciju. Izvršiti implementaciju algoritma na ADAS (engl. Advanced Driver Assistance System) ploči kako bi se testirala njegova učinkovitost na realnoj platformi pri čemu je potrebno koristiti dostupni SDK.
mentor: Izv.prof.dr.sc. Marijan Herceg
sumentor: mag.ing.comp. Danijel Babić
Tema 6: Procjena brzine vozila na temelju snimke kamere koja zamjenjuje retrovizor (Evaluation of the speed of the vehicle based on the camera image that replaces the rearview mirror)
U modernim automobilima sve veći je naglasak na korištenju različitih sustava koji vožnju automobilom trebaju učiniti udobnijom i sigurnijom, s ciljem potpunog automatiziranja vožnje u budućnosti. Takvi sustavi nazivaju se napredni sustavi za pomoć vozaču (engl. Advanced Driver-Assistance Systems ADAS) i zasnivaju se na različitim senzorima pomoću kojih automobilski računalni sustavi dobivaju informacije iz okoline. Jedan od načina poboljšanja sigurnosnih aspekata vožnje predstavlja praćenje stanja iza vozila u kretanju koji se temelji na analizi video signala dobivenih preko kamera koje zamjenjuju standardna retrovizorska zrcala. U okviru diplomskog rada potrebno je razviti algoritam ili prilagoditi neki od postojećih algoritama koji će efikasno detektirati vozila na takvim snimkama i procjenjivati brzinu vozila. Na taj način moguće je, uz poznavanje iznosa vlastite brzine, alarmirati vozača na potencijalne sudare zbog prevelike brzine pratećeg vozila, donositi odluke o prestrojavanju iz trake u traku i sl. Algoritam treba najprije razviti u odgovarajućem programskom alatu (npr. Matlab) te ga zatim prebaciti u programski jezik C, izvršiti njegovu optimizaciju te ga prilagoditi za dostupnu ADAS ploču kako bi se testirala njegova učinkovitost na realnoj platformi.
mentor: Doc.dr.sc. Mario Vranješ
sumentor: mag.ing.el. Matija Pul
Tema 7: Praćenje stanja vozača pomoću kamere u vozilu (Driver monitoring using the camera in the vehicle)
U modernim automobilima sve veći je naglasak na korištenju različitih sustava koji vožnju automobilom trebaju učiniti udobnijom i sigurnijom. Jedan od takvih sustava je i sustav koji prati stanje vozača (engl. driver monitoring system) koji se temelji na analizi video signala dobivenog s kamere koja je montirana na instrument ploči i okrenuta je prema glavi vozača. Glavne funkcionalnosti ovakvog sustava su identifikacija vozača, praćenje budnosti vozača, nadzor pozornosti vozača u kritičnim situacijama, prilagodba grafičkog sučelja instrument ploče i sl. U okviru diplomskog rada potrebno je razviti algoritam koji će na temelju video signala dobivenog s takve kamere detektirati vozačevu glavu/lice u svakom okviru, detektirati gleda li vozač ispred vozila ili ne te detektirati ima li vozač neuobičajeno dugo zaklopljene oči. Algoritam treba najprije razviti u odgovarajućem programskom alatu (npr. Matlab) te ga zatim prebaciti u programski jezik C, izvršiti njegovu optimizaciju te ga prilagoditi za dostupnu ADAS ploču kako bi se testirala njegova učinkovitost na realnoj platformi.
mentor: Doc.dr.sc. Mario Vranješ
sumentor: mag.ing.comp. Danijel Babić