Softwarové moduly pro vytvořené platformy

Software modules for created platforms

Software

Výstup Softwarové moduly pro vytvořené platformy vznikl v rámci projektu Automatizované mapování tras a bariér pro pěší a hendikepované (TH02010839) dále jen AUTOMAP. Na obrázku 1. je naznačená architektura zpracování dat ze senzorů na platformě pro vnější mapování. Aby bylo možné zpracovávat data ze senzorů, bylo nejprve nutné vytvořit drivery. Poté bylo nutné zpracovávat jednotlivá data s různou rychlostí (to je dané jak základní vlastností senzorů, tak složitostí daného úkolu). Proto byl zvolen přístup rozdělení úloh do vláken. Všechna pořízená data jsou opatřena časovou značkou a uložena do databáze. Jako databázový systém byla zvolena MariaDB. Pro klasifikaci objektů na úrovni pixelů (chodník, sloup, stěna, člověk, silnice…) je použita konvoluční neuronová síť postavená na frameworku Keras, který využívá Tensorflow od firmy Google. Jedná se o poměrně složitou strukturu. Pro samotný tréning neuronové sítě bylo využito počítače s CPU Ryzen 7 a GPU Nvidia GTX 1060 s 6Gb paměti. Aby se minimalizovalo množství dat pro tréning, bylo použito datasetu CamVid, poté došlo k přetrénovaní sítě na vytvořený dataset. K tzv. labelování byl použit program supervise.ly.

The output of the Software Modules for the Created Platforms was developed within the project Automated Mapping of Paths and Barriers for Pedestrians and Disabled (TH02010839). Figure 1 shows the architecture of sensor data processing on an external mapping platform. In order to process sensor data, it was first necessary to create drivers. Then it was necessary to process individual data at different speeds (this is due to both the basic properties of the sensors and the complexity of the task). Therefore, the thread-to-task approach was chosen. All acquired data are time-stamped and stored in the database. MariaDB was chosen as the database system. To classify objects at the pixel level (pavement, column, wall, human, road…), a convolutional neural network based on the Keras framework, using Tensorflow from Google, is used. This is a relatively complex structure. For the neural network training was used computers with CPU Ryzen 7 and GPU Nvidia GTX 1060 with 6Gb memory. To minimize the amount of training data, the CamVid dataset was used, then the network was overtrained to the created dataset. For the so-called labeling was used program supervise.ly.

3D space, capturing platform

3D space, capturing platform

Testovaci platforma

In order to use the result by another entity, it is always necessary to acquire a license

http://www.urel.feec.vutbr.cz/web_documents/produkty/2019/Gotthans_Software_SW_CZ.pdf