Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorGruber Ivan, Ing. Ph.D.
dc.contributor.authorSieber, Matěj
dc.contributor.refereeZítka Tomáš, Mgr.
dc.date.accepted2022-6-22
dc.date.accessioned2022-07-25T22:30:55Z-
dc.date.available2021-10-1
dc.date.available2022-07-25T22:30:55Z-
dc.date.issued2022
dc.date.submitted2022-5-23
dc.identifier89621
dc.identifier.urihttp://hdl.handle.net/11025/49349-
dc.description.abstractTato práce si klade za cíl navrhnout agenta pro hraní mechatronického modelu stolního fotbalu. Tato práce je rozdělena na dvě části teoretickou a praktickou. Teoretická část této práce představuje metody posilovaného učení, simulační prostředí v ROS v kombinaci s Gazebo a výsledky učení agenta. V praktické části jsou představeny metody pro odhad pozice a rotace hráče a také odhad pozice míče, které jsou nezbytné pro fungování modelu. Dále pak výsledky modelu na reálném forbalu. Většina kódu pro tuto práci byla napsána v Pythonu s pomocí knihoven OpenCV, NumPy a PyTorch.cs
dc.format38
dc.language.isocs
dc.publisherZápadočeská univerzita v Plzni
dc.rightsPlný text práce je přístupný bez omezení
dc.subjectdetekce objektůcs
dc.subjectzpracování obrazucs
dc.subjectkalamanův filtrcs
dc.subjectpythoncs
dc.subjectposilované učenícs
dc.subjectneuronové sítěcs
dc.subjectpočítačové viděnícs
dc.subjectopencvcs
dc.titleAnalýza stavu stolního fotbálku a predikce jeho změny na základě obrazových datcs
dc.title.alternativeAnalysis of the state of table football and prediction of its change based on image dataen
dc.typediplomová práce
dc.thesis.degree-nameIng.
dc.thesis.degree-levelNavazující
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-programAplikované vědy a informatika
dc.description.resultObhájeno
dc.description.abstract-translatedThis work aims to design an agent to play a mechatronic model of table football. This work is divided into two parts theoretical and practical. The theoretical part of this work presents reinforcement learning methods, a simulation environment in ROS in combination with Gazebo, and the results of learning the agent. The practical part introduces methods for player pose and rotation estimation as well as ball position estimation, these are necessary for the model to work. And results of the model in the real-world arena. Most of the code for this thesis was written in Python with the help of OpenCV, NumPy, and PyTorch libraries.en
dc.subject.translatedobject detectionen
dc.subject.translatedimage processingen
dc.subject.translatedkalman filteren
dc.subject.translatedpythonen
dc.subject.translatedopencven
dc.subject.translatedneural networken
dc.subject.translatedcomputer visionen
dc.subject.translatedreinforcement learningen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KKY)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
master_thesis_sieberm.pdfPlný text práce6,22 MBAdobe PDFZobrazit/otevřít
Sieber_V.pdfPosudek vedoucího práce463,44 kBAdobe PDFZobrazit/otevřít
Sieber_O.pdfPosudek oponenta práce485,31 kBAdobe PDFZobrazit/otevřít
Sieber_P.pdfPrůběh obhajoby práce221,62 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/49349

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra kybernetiky / Department of Cybernetics
  5. Diplomové práce / Theses (KKY)