Rozšíření funkcionality demonstračního modelu výšvihu inverzního kyvadla o ovládání pomocí gest s využitím řídicího systému REXYGEN

Radovan Krasula

Bakalářská práce

Extension of the Functionality of the Demonstration Model of the Swingup of the Inverted Pendulum by Gesture Control with the REXYGEN Control System

Anotace:

V této bakalářské práci je zkoumáno rozšíření funkcionality inverzního kyvadla, demonstračního modelu v oblasti řízení a automatizace. Inverzní kyvadlo je využíváno k vyvážení kyvadla do požadované pozice a poskytuje užitečný model pro zkoumání nestabilních mechanických systémů. Metoda rozpoznávání gest pomocí minipočítače Raspberry Pi a kamery je používána k rozšíření možností ovládání tohoto modelu. Nejprve proběhne seznámení s modelem inverzního kyvadla a jeho vytvořeného softwarového modelu pro testování nové funkcionality. Pro identifikaci vhodných gest je implementován systém pro jejich vyhodnocování pomocí metod strojového učení. Toto řešení je integrováno do stávajícího programového prostředí pro ovládání inverzního kyvadla. Nakonec je provedeno ověření a zdokumentování výsledků práce, přičemž k vyhodnocení gest jsou využity metody strojového učení.

Abstract:

In this bachelor thesis the extension of the functionality of the inverse pendulum, a demonstration model in the field of control and automation, is investigated. The inverse pendulum is used to balance the pendulum to a desired position and provides a useful model for investigating unstable mechanical systems. A gesture recognition method using a Raspberry Pi minicomputer and camera is used to extend the control capabilities of this model. Firstly, an introduction to the inverse pendulum model and the software model developed to test the new functionality is presented. A system is implemented to identify suitable gestures and evaluate them using machine learning methods. This solution is integrated into the existing software environment for inverse pendulum control. Finally, the results of the work are verified and documented using machine learning methods to evaluate the gestures.

Klíčová slova

Počítačové vidění, Neuronové sítě, Strojové učení, LaTeX, bakalářská práce

Keywords

Computer vision, Neural networks, Machine learning, LaTeX, bachelor thesis

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 30. 4. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 7. 6. 2024
• Vedoucí: Štěpán Ožana
• Oponent: Zdeněk Slanina

VŠB – Technická univerzita Ostrava

Fakulta elektrotechniky a informatiky

Bakalářský studijní program:
Počítačové systémy pro průmysl 21. století