Innováció és fenntartható felszíni közlekedés konferencia 2016

Slides:



Advertisements
Hasonló előadás
Események formális leírása, műveletek
Advertisements

1/13 Péter Tamás, Bécsi Tamás, Aradi Szilárd INNOVÁCIÓ ÉS FENNTARTHATÓ FELSZÍNI KÖZLEKEDÉS KONFERENCIA Budapest, szeptember 3-5. Útmenti objektumok.
1 AIBO Robotfoci Bodor László IAR Bevezetés AIBO RoboCup AIBO RoboCup Célok Célok Rendszer elemei Rendszer elemei Megvalósítás terve Megvalósítás.
1 / / 13 Bevezető Forgalmi dugók okozta problémák: - Feszültség - Sietség - Szabálytalan közlekedés → baleseti források Megoldás: A jó megoldások.
Jövő Internet technológiák és alkalmazások kutatása Magyarországon konferencia november 15. Dr. Simon Vilmos Önszerveződő mobil hálózatok: lehetséges.
Robotika Helymeghatározás.
MI 2003/9 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
Számítógépek, és Gps-ek az autókban
Számítógépes algebrai problémák a geodéziában
Kerékpáros_hálózat_kutatás Bartus Tamás Mészáros Márton Tanszéki_Terv_
Mágneses lebegtetés: érzékelés és irányítás
© Kozsik Tamás Beágyazott osztályok A blokkstrukturáltság támogatása –Eddig: egymásba ágyazható blokk utasítások Osztálydefiníciók is egymásba.
Mozgó Objektumok Detektálása és Követése Robotkamera Segítségével
Mérés és adatgyűjtés laboratóriumi gyakorlat
Közúti és Vasúti járművek tanszék. Célja:az adott járműpark üzemképes állapotának biztosítása. A karbantartás folyamatait gyakran az üzemeltetést is kiszolgáló.
Közúti és Vasúti járművek tanszék. Fontosabb tevékenységek a lehetséges folyamat technológiában: A- a jármű azonosítása B- tisztítás C- diagnosztikai.
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
1 ”Közlekedési rendszerünk az EU csatlakozás küszöbén” Tudományos konferencia, Győr, Széchenyi István Egyetem, november 5. Dr. Holló Péter az MTA.
Széchenyi István Egyetem Közlekedési Tanszék Közlekedési Üzemtan I
OPERÁCIÓKUTATÁS Kalmár János, 2012 Tartalom A nulla-egy LP megoldása Hátizsák feladat.
Előadó: Prof. Dr. Besenyei Lajos
Matematikai modellek a termelés tervezésében és irányításában
Bayes becslések Boha Roland november 21. PPKE-ITK.
Adaptív jelfeldolgozás Rádiócsatorna kiegyenlítése
Utazási igények becslése a közösségi közlekedésben
 A járműmotorok környezetszennyezését korlátozó előírások az alábbiakra vonatkoznak: › A kipufogógázok káros összetevőire › A típusvizsgálaton ellenőrzött.
Valószínűségszámítás
1 TARTALOM: 0. Kombinatorika elemei (segédeszközök) 1. Eseményalgebra 2. A valószínűség: a) axiómák és következményeik b) klasszikus (=kombinatorikus)
Az Alakfelismerés és gépi tanulás ELEMEI
A hiba-előjel alapú FxLMS algoritmus analízise Orosz György Konzulensek: Péceli Gábor, Sujbert László Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika.
Intelligens Felderítő Robotok
Készítette: Gergó Márton Konzulens: Engedy István 2009/2010 tavasz.
Önálló labor munka Csillag Kristóf 2005/2006. őszi félév Téma: „Argument Mapping (és hasonló) technológiákon alapuló döntéstámogató rendszerek vizsgálata”
Programtesztelés. Hibák keletkezésének okai nem egyértelmű vagy hiányos kommunikáció fejlesztés közben maga a szoftver bonyolultsága programozói (kódolási)
Statisztikai döntésfüggvények elméletének elemei
excel, (visual basic) makrók gyorstalpaló
Gazdaságstatisztika 11. előadás.
Intelligens közúti kereszteződés
1/13 Bécsi Tamás, Péter Tamás INNOVÁCIÓ ÉS FENNTARTHATÓ FELSZÍNI KÖZLEKEDÉS KONFERENCIA Budapest, szeptember 4-6. Képfelismerésen alapuló technológiák.
Valós idejű adaptív útvonalkeresés
Bevezetés a méréskiértékelésbe (BMETE80ME19) Intervallumbecslések 2014/
AmI Project Group Bay Zoltán Foundation for Applied Research Ambiens Intelligencia AmI Alkalmazások Járműközelben Hiradástechnikai Egyesület, Távközlési.
1 Bevezetés Energiafelhasználás Közlekedés aránya 37% CO kibocsátás a jármű tömegének függvényében.
N-Body probléma Két test közötti gravitációs erő m_i, m_j : tömeg r_ij : az i testből a j testbe mutató vektor G : gravitációs állandó Eredő erő: a túlzott.
Forgalom-szimuláció eltérő közegekben Max Gyula BMGE-AAIT 2008.
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Bevezetés a méréskiértékelésbe (BMETE80ME19)
MI 2003/8 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
A problémakör vázlatosan:
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
ASIMO Fejlesztésének története Felépítése, specifikációi
Megerősítéses tanulás 5. előadás
GPU alapú fotontranszport nagyfelbontású heterogén közegben BME IIT Szirmay-Kalos László Magdics Milán Tóth Balázs.
OpenCV CV = Computer Vision
A fizika tanítása a 2012-es NAT-hoz készült A kerettanterv szerint Egri Sándor Debreceni Egyetem, Fizikai Intézet TÁMOP B.2-13/
Kinetikus Monte Carlo  Bevezetés  Véletlen bolyongás  Residence time algoritmus.
Intelligens közlekedés Smart City Meetup 2016 május 25. Csepinszky András.
Dr. Varga István ÚJ KUTATÁSI IRÁNYOK A KÖZLEKEDÉS TERÜLETÉN.
A Műegyetem szerepvállalása a hazai e-mobilitás K+F-ben Dr. Jakab László - BME Villamosmérnöki és Informatikai Kar Dr. Varga István – BME Közlekedésmérnöki.
ELŐVÁROSI ÚTSZAKASZOK KÖZÚTI BIZTONSÁGI AUDITJA, VALAMINT FELÜLVIZSGÁLATA Tóthné Temesi Kinga Közúti biztonsági auditori alapképzés MMK
Google Autó Lengyel Róbert Óbudai Egyetem, 2015.
Genetikus algoritmusok
Adaptív jelfeldolgozás Rádiócsatorna kiegyenlítése
Vizualizáció és képszintézis
Polák József Tanszéki mérnök Közúti és Vasúti Járművek Tanszék
Készült a HEFOP P /1.0 projekt keretében
Valószínűségi változó, eloszlásfüggvény
A mesterséges neuronhálók alapjai
Napjaink egymással beszélő járművei, úton az önvezető autók felé
Előadás másolata:

Innováció és fenntartható felszíni közlekedés konferencia 2016 Multiszenzoros objektumdetektálás közúti közlekedésben Bernoulli szűrővel Törő Olivér, Dr. Bécsi Tamás

Bevezetés Fejlett vezetőtámogató rendszerek (ADAS) Forgalommenedzsment Adaptív tempomat Ütközés figyelmeztetés Akadály elkerülés Gyalogosvédelem Forgalommenedzsment Objektum detektálás/követés Változó számú szenzorok Változó számú objektumok Szenzorfúzió Radar Ultrahang Kamera Lidar GPS 2018.11.17.

Lehetséges alkalmazások Megkülönböztetett jelzésű jármű előnyben részesítése (centralizált) Autópályán előzés, sávváltás biztonságos végrehajtása Kereszteződésben a forgalom haladásának segítése Forgalmi dugók, balesetek megelőzése (elosztott) Szükséges: járművek közötti kommunikáció (VANET) 2018.11.17.

Objektum detektálás és követés Korábban tipikusan katonai alkalmazás volt A közúti közlekedésben is egyre fontosabb szerepe van Vezetőtámogató rendszerek elengedhetetlen része Hagyományos megközelítés: Bayes-becslés, vektoros formalizmus Alfa-beta szűrő, Kalman szűrők, Gaussian sum filter A szenzorok és objektumok időben változó száma nehezen kezelhető Multiple Hypothesis Tracker: egy elterjedt, kiterjesztett Kalman szűrőn alapuló megoldás Felcímkézett objektumok, mérés-objektum trajektória asszociáció Valószínűségi halmazok használata vektorok helyett 2018.11.17.

Objektum detektálás valószínűségi halmazokkal Természetes módon modellezhetők a szenzorhibák, objektumok eltűnése és megjelenése (szenzor hatótáv) Nincs szükség mérési asszociációra A mérési modellt nem kell invertálni Az objektumokat egy véges valószínűségi halmaz elemeivel írjuk le A halmaz kardinálisa is véletlen szám, sűrűségfüggvénye: 2018.11.17.

Objektum detektálás valószínűségi halmazokkal A véges valószínűségi halmazok statisztikájának (FISST) kidolgozása Ronald Mahler nevéhez fűződik “Statistics 101” for Multisensor, Multitarget Data Fusion (10.1109/MAES.2004.1263231) “Statistics 102” for Multisource-Multitarget Detection and Tracking (10.1109/JSTSP.2013.2253084) Mérnökök igényeihez illeszkedő formalizmus A szokásos statisztikai műveletek elvégezhetők Bayes szűrő eljárásokban felhasználhatók FISST sűrűségfüggvény: 2018.11.17.

Bernoulli szűrő Bayes-szűrő eljárás dinamikus rendszerek számára Linearitás és gaussi zajmodell nem megkötés Egy objektum detektálása lehetséges több szenzorral, kooperatívan Egzakt megoldás Objektum feltűnése Bernoulli folyamat 2018.11.17.

Bernoulli szűrő Bayes formula: Bernoulli valószínűségi halmaz sűrűségfüggvénye: 2018.11.17.

Bernoulli szűrő Bayes predikció: Bayes korrekció: 2018.11.17.

Bernoulli szűrő Megvalósítás részecske szűrővel Tetszőleges, többmóduszú eloszlások közelítésére alkalmas Részecskék: objektum pozíció és sebesség Predikciós lépés Születő részecskék Előző ciklus részecskéi Korrekciós lépés Mintavételezés a fontossági súlyok szerint (likelihood) 2018.11.17.

Szimuláció – szenzorok Kamera Sávdetektálás szimulálása Sávkövető algoritmus kormányozza a járműveket Stanley kontroller: Radar Távolság, irány, sebesség 2018.11.17.

Szimuláció – algoritmus Inicializálás, kezdeti pozíció for t=2:T Control(t-1); MoveVeh(t); MoveObj(t); UpdateScene(t); GetMeas(t); Camera(); Radar(); RFS(); Bernoulli(t); end 2018.11.17.

Szimuláció 2018.11.17. Most már ugye jó???

Szimuláció 2018.11.17. Most már ugye jó???

Kitekintés Több objektum kooperatív detektálása és követése Multi-Bernoulli szűrő, PHD, CPHD szűrő Járművek heterogén szenzorozottságának figyelembe vétele Szenzor kontroll (kiválasztás) implementálása Kényszerek figyelembe vétele Járművek közötti kommunikáció (VANET) hibáinak figyelembe vétele 2018.11.17.

Köszönöm a figyelmet! 2018.11.17.