@MastersThesis{Sychrovsky-TR-2008-12,
  UPDATE  = { 2008-12-23 },
  author = {Sychrovsk{\'y}, Ond{\v r}ej},
  supervisor = {Pajdla, Tom{\'a}{\v s}},
  language = {czech},
  title = {Odhad vzd{\'a}lenosti p{\v r}ek{\'a}{\v z}ek od automobilu ze
           sekvence obraz{\accent23 u}},
  e_title = {Car-to-obstacle distance estimation 
             from a sequence of images},
  school = {Center for Machine Perception, K13133 FEE 
            Czech Technical University},
  address = {Prague, Czech Republic},
  year = {2008},
  month = {May},
  day = {27},
  type = {{MSc Thesis CTU--CMP--2008--12}},
  issn = {1213-2365},
  pages = {60},
  figures = {27},
  authorship = {100},
  psurl = {[Sychrovsky-TR-2008-12.pdf]},
  project = {},
  annote = {Klasick{\'e} syst{\'e}my pro detekci 
    p{\v r}ek{\'a}{\v z}ek, kter{\'y}mi jsou automobily dnes vybaveny, 
    jsou zalo{\v z}eny na mechanick{\'e}m {\v s}{\'\i}{\v r}en{\'\i}
    ultrazvukov{\'y}ch vln. V~t{\'e}to pr{\'a}ci jsme navrhli
    asisten{\v c}n{\'\i} syst{\'e}m pro detekci p{\v r}ek{\'a}{\v z}ek
    na z{\'a}klad{\v e} sekvence obraz{\accent23 u} z~kamery,
    kter{\'a} je um{\'\i}st{\v e}na v~zadn{\'\i} {\v c}{\'a}sti
    vozu. Nejprve nalezneme v{\'y}znamn{\'e} body v~obrazech 
    a~ur{\v c}{\'\i}me jejich korespondence v~po sob{\v e} 
    jdouc{\'\i}ch obrazech. Z~takto z{\'\i}skan{\'y}ch 
    korespondenc{\'\i} nalezneme  pomoc{\'\i} metody RANSAC 
    epipol{\'a}rn{\'\i} geometrii. Na z{\'a}klad{\v e} zn{\'a}m{\'y}ch 
    vnit{\v r}n{\'\i}ch parametr{\accent23 u} kamery a~zn{\'a}m{\'e} 
    ujet{\'e} vzd{\'a}lenosti mezi sn{\'\i}mky m{\accent23 u}{\v z}eme
    rekonstruovat trojrozm{\v e}rnou sc{\'e}nu. Body v~obrazech jsou
    ov{\v s}em ur{\v c}eny s~nep{\v r}esnost{\'\i}, kter{\'a} je
    zp{\accent23 u}sobena {\v s}umem m{\v e}{\v r}en{\'\i}. Tento 
    {\v s}um jsme modelovali jako n{\'a}hodnou veli{\v c}inu
    s~norm{\'a}ln{\'\i}m rozd{\v e}len{\'\i}m a~zahrnuli jej do
    v{\'y}po{\v c}tu. Navrhli jsme metodu, jak se rozhodovat 
    v~p{\v r}{\'\i}tomnosti tohoto {\v s}umu na z{\'a}klad{\v e} 
    v{\'y}po{\v c}tu pravd{\v e}podobnosti polohy jednotliv{\'y}ch 
    bod{\accent23 u} v~prostoru. Funk{\v c}nost navr{\v z}en{\'e}ho 
    syst{\'e}mu jsme ov{\v e}{\v r}ili na re{\'a}ln{\'y}ch datech. 
    Experimenty s~r{\accent23 u}zn{\'y}mi p{\v r}irozen{\'y}mi 
    p{\v r}ek{\'a}{\v z}kami ukazuj{\'\i}, {\v z}e syst{\'e}m funguje 
    dob{\v r}e. Simulovali jsme tak{\'e} couv{\'a}n{\'\i} k~barevn{\v e}
    nev{\'y}razn{\'e} zdi. V~tomto p{\v r}{\'\i}pad{\v e} nebylo 
    mo{\v z}n{\'e} sc\'enu zrekonstruovat a~syst{\'e}m selhal. Pokud 
    ov{\v s}em sc{\'e}nu rekonstruovat m{\accent23 u}{\v z}eme, 
    experimenty, kter{\'e} jsme provedli, ukazuj{\'\i}, {\v z}e 
    program v{\v z}dy spr{\'a}vn{\v e} rozhodl a~nenechal vozidlo do 
    p{\v r}ek{\'a}{\v z}ky narazit. },
  keywords = {detekce p{\v r}ek{\'a}{\v z}ek, epipol{\'a}rn{\'\i} geometie,
              asisten{\v c}n{\'\i} syst{\'e}my {\v r}idi{\v c}e, 
              zpracov{\'a}n{\'\i} obrazu},
}