Методи комп'ютерного зору для розпiзнавання дорожнiх знакiв та розмiтки у системах допомоги водiєвi з урахуванням впливу погодних умов

Скорочена інформація про документ
dc.contributor.advisorЖелезняков, Дмитро Валентинович
dc.contributor.authorIщенко, Дмитро Володимирович
dc.date.accessioned2026-06-08T13:01:48Z
dc.date.available2026-06-08T13:01:48Z
dc.date.issued2026
dc.description.abstractСистеми допомоги водiєвi (ADAS) стали невiд’ємною частиною сучасних автомобiлiв, забезпечуючи пiдвищення безпеки дорожнього руху та комфорту водiння. Ключовими компонентами таких систем є модулi розпiзнавання дорожнiх знакiв i виявлення лiнiй дорожньої розмiтки, якi дозволяють автомобiлю орiєнтуватися в дорожньому середовищi, попереджати водiя про обмеження швидкостi та утримувати транспортний засiб у межах смуги руху. Проте ефективнiсть таких систем значно знижується пiд впливом несприятливих погодних умов: дощу, туману, снiгу та нiчного освiтлення. За даними Нацiональної адмiнiстрацiї безпеки дорожнього руху США (NHTSA), близько 21% дорожньо-транспортних пригод вiдбуваються в умовах дощу, а 16% - у нiчний час. Це пiдкреслює необхiднiсть розробки стiйких алгоритмiв комп’ютерного зору, здатних функцiонувати в реальних, часто непередбачуваних умовах. Сучаснi методи глибинного навчання, зокрема архiтектури YOLOv8 [1] та U-Net [2], демонструють вражаючi результати на стандартних бенчмарках. Проте бiльшiсть цих моделей навчаються на датасетах, зiбраних у сприятливих умовах, що призводить до падiння продуктивностi при змiнi погодних факторiв. Крiм того, iснує дефiцит локальних датасетiв, якi вiдображали б специфiку дорожньої iнфраструктури України. Зв’язок роботи з науковими програмами, планами, темами. Робота виконується в рамках наукових дослiджень кафедри математичного моделювання та аналiзу даних НТУУ «КПI iм. Iгоря Сiкорського» за напрямом iнтелектуальних систем обробки зображень та комп’ютерного зору для автономних транспортних засобiв.
dc.description.abstractotherAdvanced Driver Assistance Systems (ADAS) have become an integral part of modern cars, providing increased road safety and driving comfort. The key components of such systems are road sign recognition and lane marking detection modules, which allow the car to navigate the road environment, warn the driver about speed limits and keep the vehicle within the lane. However, the effectiveness of such systems is significantly reduced under the influence of adverse weather conditions: rain, fog, snow and night lighting. According to the US National Highway Traffic Safety Administration (NHTSA), about 21% of road accidents occur in rainy conditions, and 16% - at night. This emphasizes the need to develop robust computer vision algorithms that can operate in real, often unpredictable conditions. Modern deep learning methods, in particular the YOLOv8 [1] and U-Net [2] architectures, demonstrate impressive results on standard benchmarks. However, most of these models are trained on datasets collected in favorable conditions, which leads to a drop in performance when weather factors change. In addition, there is a shortage of local datasets that would reflect the specifics of the road infrastructure of Ukraine. Connection of work with scientific programs, plans, topics. The work is carried out within the framework of scientific research of the Department of Mathematical Modeling and Data Analysis of NTUU "KPI named after Igor Sikorsky" in the field of intelligent image processing systems and computer vision for autonomous vehicles.
dc.format.extent71 с.
dc.identifier.citationІщенко, Д. В. Методи комп'ютерного зору для розпiзнавання дорожнiх знакiв та розмiтки у системах допомоги водiєвi з урахуванням впливу погодних умов : дипломна робота ... бакалавра : 113 Прикладна математика / Iщенко Дмитро Володимирович. – Київ, 2026. – 71 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/81538
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрозпізнавання дорожніх знаків
dc.subjectдорожня розмітка
dc.subjectкомп'ютерний зір
dc.subjectглибинне навчання
dc.subjectADAS
dc.subjectYOLOv8
dc.subjectU-Net
dc.subjectдетекція об'єктів
dc.subjectсемантична сегментація
dc.subjectпогодні умови
dc.subjectобробка зображень
dc.subjectаугментація даних
dc.subjectTransfer Learning
dc.subjectмашинне навчання
dc.subjectдорожня безпека
dc.subject.udc004.932:621.391
dc.titleМетоди комп'ютерного зору для розпiзнавання дорожнiх знакiв та розмiтки у системах допомоги водiєвi з урахуванням впливу погодних умов
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Ishchenko_bakalavr.pdf
Розмір:
11.17 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММАД)
Бакалаврські роботи