Knowledge base: Warsaw University of Technology

Settings and your account

Back

A system for detection and identification of road markings in industrial spaces for a mobile robot

Aleksandra Konopacka

Abstract

This thesis deals with issues related to image processing by which it’s possible to extract information about the characteristic elements of the environment - markings located on the surface of the floor on which the mobile robot moves. The correct functioning of the program will lead to obtain information, among others, about communication routes existing in industrial spaces, within which it is recommended for vehicles to move. The main task was to design an algorithm that will allow to detect, identify and specify the location of road markings. The number of types of horizontal signs is very large. For this reason, in order to perform tests it was decided in the first stage to recognize only selected types of determinations. Markings locations, which are output data, can later be collected and processed by the road markings mapping system. Two methods of detection and classification of markings were tested: using the OpenCV library function and using convolutional neural networks to recognize horizontal signs. Both during the work on the project and after the completion of the work, the algorithm was tested in the real environment. During the tests, the program was collecting data from the camera and processing it in a way that allows to obtain the information about the type and location of the detected road markings appearing on the camera view. Performing the work required from the author a good knowledge of issues related to mobile robotics, ROS system and Python programming skills. In the first part of the work there are an introduction and a description of the problem, solution of which has been developed in this work. The specificity of the problem, the purpose of the work and the assumptions of the project were presented. The second part of the text describes used tools. The description of the ROS system, OpenCV library, convolutional neural networks and the Tensorflow library was included. In addition, the topic of road markings located in industrial spaces was discussed. The next part contains a funtional description of individual operations used in the project. Two methods were compared and the results obtained were attached. The final part of the work is a summary, which includes conclusions and development perspectives.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Aleksandra Konopacka (FM) Aleksandra Konopacka,, Faculty of Mechatronics (FM)
Title in Polish
System detekcji i identyfikacji oznakowania poziomego w przestrzeniach przemysłowych do wykorzystania w robotach mobilnych
Supervisor
Maciej Przybylski (FM/IACR) Maciej Przybylski,, The Institute of Automatic Control and Robotics (FM/IACR)Faculty of Mechatronics (FM)
Certifying unit
Faculty of Mechatronics (FM)
Affiliation unit
The Institute of Automatic Control and Robotics (FM/IACR)
Study subject / specialization
, Automatyka i Robotyka (Automation and Robotics)
Language
(pl) Polish
Status
Finished
Defense Date
05-02-2019
Issue date (year)
2019
Reviewers
Maciej Przybylski (FM/IACR) Maciej Przybylski,, The Institute of Automatic Control and Robotics (FM/IACR)Faculty of Mechatronics (FM) Jan Klimaszewski (FM/IACR) Jan Klimaszewski,, The Institute of Automatic Control and Robotics (FM/IACR)Faculty of Mechatronics (FM)
Keywords in Polish
robotyka mobilna, ROS, przetwarzanie obrazu, sieci neuronowe, Tensorflow
Keywords in English
Mobile Robots, ROS, Image processing, , Machine Learning, Tensorflow
Abstract in Polish
Niniejsza praca dotyczy zagadnień związanych z przetwarzaniem obrazu, dzięki któremu można uzyskać informacje o elementach charakterystycznych otoczenia - oznakowaniach znajdujących się na powierzchni podłogi po której przemieszcza się robot mobilny. Poprawne działanie programu pozwoli na uzyskanie informacji między innymi o występujących w przestrzeniach przemysłowych ciągach komunikacyjnych, po których zalecane jest, aby robot się przemieszczał. Głównym zadaniem było zrealizowanie algorytmu, który pozwoli na detekcję, identyfikację i określenie lokalizacji oznaczeń poziomych. Ilość rodzajów oznaczeń poziomych jest bardzo duża. Z tego powodu w celu wykonania testów i badań zdecydowano się w pierwszym etapie rozpoznawać tylko wybrane rodzaje oznaczeń. Lokalizacje oznaczeń, które są danymi wyjściowymi, mogą być później gromadzone i przetwarzane przez system budowania mapy oznaczeń poziomych. Testowano dwa sposoby detekcji i klasyfikacji oznakowań: z wykorzystaniem funkcji biblioteki OpenCV oraz z zastosowaniem konwolucyjnych sieci neuronowych do rozpoznawania oznaczeń poziomych. Zarówno w trakcie prac nad projektem jak i po ukończeniu prac testowano działanie algorytmu w rzeczywistym środowisku. Podczas testów program miał zbierać dane z kamery i przetwarzać je w sposób pozwalający uzyskać informację o typie i lokalizacji wykrytego oznaczenia poziomego występującego na widoku z kamery. Wykonanie pracy wymagało od autora dobrej znajomości zagadnień związanych z robotyką mobilną, systemem ROS oraz umiejętności programowania w języku Python. W pierwszej części pracy znajduje się wprowadzenie oraz opis problemu, którego rozwiązanie opracowano w niniejszej pracy. Przybliżono specyfikę problemu, cel pracy oraz założenia projektu. Druga część tekstu opisuje wykorzystane narzędzia. Zawarto opis systemu ROS, biblioteki OpenCV, konwolucyjnych sieci neuronowych oraz biblioteki Tensorflow. Dodatkowo omówiono tematykę oznaczeń poziomych występujących w przestrzeniach przemysłowych. Kolejna część zawiera opis działania poszczególnych operacji wykorzystanych w projekcie. Porównano dwie metody oraz załączono otrzymane wyniki. Ostatnią część pracy stanowi podsumowanie, w skład którego wchodzą wnioski oraz perspektywy rozwoju.
File
  • File: 1
    276733_inz.pdf
Request a WCAG compliant version
Local fields
Identyfikator pracy APD: 31628

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUTebbddbf7bd464d1c9b1408513c9098a3/
URN
urn:pw-repo:WUTebbddbf7bd464d1c9b1408513c9098a3

Confirmation
Are you sure?
Report incorrect data on this page