Simulazione di scenari aeroportuali: utilizzo di deep learning per il riconoscimento automatico della segnaletica

Galuppi, Fabio (2021) Simulazione di scenari aeroportuali: utilizzo di deep learning per il riconoscimento automatico della segnaletica. [Laurea], Università di Bologna, Corso di Studio in Ingegneria aerospaziale [L-DM270] - Forli', Documento ad accesso riservato.
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (12MB) | Contatta l'autore

Abstract

Il presente lavoro ha come scopo la creazione di un procedimento automatico per il riconoscimento della segnaletica orizzontale aeroportuale al fine di fornire assistenza nella creazione di modelli virtuali per la simulazione. Tale processo si basa sull’impiego di reti neurali addestrate con tecniche di deep learning per individuare e riconoscere la segnaletica a partire da immagini satellitari. Il riconoscimento manuale della segnaletica è un’operazione onerosa e potenzialmente fonte di errori, tuttavia ancora necessaria in mancanza di strumenti automatizzati adatti allo scopo. Con questo lavoro di tesi si è tentato di fornire tali strumenti, creando un sistema di riconoscimento ottico ottimizzato per la segnaletica aeroportuale ma sufficientemente flessibile da poter essere adattato con relativa semplicità a campi differenti. Per la creazione dei codici alla base del processo è stato utilizzato il linguaggio MATLAB.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Galuppi, Fabio
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Deep learning, reti neurali, computer vision, segnaletica
Data di discussione della Tesi
15 Luglio 2021
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^