000001239 001__ 1239
000001239 035__ $$a33062 
000001239 037__ $$aROMDOC-THESIS-2016-726
000001239 041__ $$arum
000001239 100__ $$aTudoran, Cristian Tudor
000001239 245__ $$aTehnici inteligente pentru recunoaşterea imaginilor cu aplicaţii în robotică 
000001239 260__ $$c2010-10-29
000001239 520__ $$aUniversitatea POLITEHNICA Bucuresti, Facultatea de Electronica, Telecomunicatii si Tehnologia Informatiei “Tehnici inteligente pentru recunoasterea imaginilor cu aplicatii în robotica” Abstractul tezei de doctorat Scopul prezentei teze îl reprezinta analiza si aplicarea tehnicilor de inteligenta computationala specifice Vederii Artificiale pentru rezolvarea unor probleme fundamentale din domeniul roboticii vehiculare autonome prin recunoasterea imaginilor captate de o camera video amplasata la bordul unui asemenea robot. Prima problema abordata consta în recunoasterea automata a directiei de deplasare pentru mentinerea vehiculului pe drumul pe care acesta îl parcurge (Road Following). Pentru modelul propus s-au experimentat mai multe variante de implementare, analizând influenta parametrilor sistemului inteligent asupra performantelor globale de recunoastere ale sistemului si identificându-se astfel metodele ce confera cele mai bune rezultate. S-au implementat si evaluat doua metode de selectie a caracteristicilor: detectia contururilor (Canny) si transformarea Hough. Pentru etapa de clasificare au fost evaluate: clasificatorul statistic clasic K-means, perceptronul multi-nivel, reteaua neurala cu auto-organizare (Kohonen) si, ca element de noutate, clasificatorul cu retele neurale cu auto-organizare concurente (Concurrent Self-Organizing Maps – CSOM). Sunt prezentate rezultatele obtinute prin simulari utilizând trei baze diferite de imagini corespunzatoare drumului parcurs de catre robotul autonom, precum si constructia practica a unui model experimental. O a doua problema de robotica abordata se refera la detectia obstacolelor întâlnite de robot în deplasarea sa în vederea evitarii coliziunilor. A fost ales pentru studiu cazul particular în care aceste obstacole sunt pietoni (Pedestrian Detection), reducerea riscului de accidentare a acestora fiind de maxima importanta. În cadrul modelului propus sunt comparate mai multe tehnici de selectie a caracteristicilor: transformarea Haar (unidimensionala si bidimensionala), precum si metoda moderna a histogramei gradientelor orientate. Pentru clasificator, s-a optat pentru clasificatorul cu retele neurale cu auto-organizare concurente (CSOM). Pentru compararea performantelor sistemului a fost implementata si o varianta bazata pe clasificatorul statistic clasic K-means. Sunt prezentate rezultatele obtinute la detectia pietonilor în imagini provenind din baza de date INRIA Person Dataset. “Intelligent Techniques for Image Recognition with Robotics Applications” Abstract of the Doctoral Thesis This thesis deals with the analysis and application of Computer Vision techniques for solving two fundamental problems in the field of autonomous mobile robots using images captured by an onboard video camera. The first problem consists in automatic detection of the path to be followed by a vehicle in autonomous navigation (Road Following). For the proposed model, several different approaches are investigated and the results they yield are compared, identifying the best solution. Two feature selection methods are implemented: the Canny edge detection and the Hough transform. For classification, we compare the results obtained using: a classic statistical classifier (K-means), the Multilayer Perceptron (MLP), the Self-Organizing Map (Kohonen) and the new neural networks classifier called Concurrent Self-Organizing Maps (CSOM). The CSOM model represents a winner-takes-all collection of neural modules. We present the experimental results obtained by computer simulation using images from three different datasets, as well as a real-time neural path follower based on CSOM model and implemented on a mobile robot. The second robotics problem investigated in this thesis consists in automatic obstacle detection for colision avoidance. The case when the obstacles are pedestrians is considerred due to the high importance of avoiding such accidents. The feature selection stage of this algorithm uses one of the three candidate techniques: 1D Haar transform, 2D Haar transform and the modern method of Histogram of Oriented Gradients. For the classification stage, a classic K-means classifier and a CSOM classifier with two concurrent neural modules are evaluated. The results of pedestrian detection in images from the INRIA Person Dataset are presented. Conducator stiintific: Doctorand: Scientific guide: Prof. dr. ing. Victor Emil NEAGOE Cristian Tudor TUDORAN
000001239 6531_ $$aRecunoaşterea imaginilor -- Robotică -- Teză de doctorat
000001239 6531_ $$aVedere artificială -- Roboţi autonomi -- Teză de doctorat
000001239 8560_ $$ff_costache@library.pub.ro
000001239 8564_ $$uhttp://romdoc.upb.ro/record/1239/files/$$zAccess to Fulltext
000001239 980__ $$aTHESIS