Thesis (D. Min.)--Boston University, 1999. / Abstract. Includes bibliographical references (leaves 241-252).

Thesis (D. Min.)--Boston University, 1999. / Abstract. Includes bibliographical references (leaves 241-252).

The aim of this work is to find a method for removing haze from satellite imagery. This is done by taking two algorithms developed for images taken from the sur- face of the earth and adapting them for satellite images. The two algorithms are Single Image Haze Removal Using Dark Channel Prior by He et al. and Color Im- age Dehazing Using the Near-Infrared by Schaul et al. Both algorithms, altered to fit satellite images, plus the combination are applied on four sets of satellite images. The results are compared with each other and the unaltered images. The evaluation is both qualitative, i.e. looking at the images, and quantitative using three properties: colorfulness, contrast and saturated pixels. Both the qualitative and the quantitative evaluation determined that using only the altered version of Dark Channel Prior gives the result with the least amount of haze and whose colors look most like reality.

3D reconstruction is the process of constructing a three-dimensional model from images. It contains multiple steps where each step can induce errors. When doing 3D reconstruction of outdoor scenes, there are some types of scene content that regularly cause problems and affect the resulting 3D model. Two of these are water, due to its fluctuating nature, and sky because of it containing no useful (3D) data. These areas cause different problems throughout the process and do generally not benefit it in any way. Therefore, masking them early in the reconstruction chain could be a useful step in an outdoor scene reconstruction pipeline. Manual masking of images is a time-consuming and boring task and it gets very tedious for big data sets which are often used in large scale 3D reconstructions. This master thesis explores if this can be done automatically using Convolutional Neural Networks for semantic segmentation, and to what degree the masking would benefit a 3D reconstruction pipeline. / 3D-rekonstruktion är teknologin bakom att skapa 3D-modeller utifrån bilder. Det är en process med många steg där varje steg kan medföra fel. Vid 3D-rekonstruktion av stora utomhusmiljöer finns det vissa typer av bildinnehåll som ofta ställer till problem. Två av dessa är vatten och himmel. Vatten är problematiskt då det kan fluktuera mycket från bild till bild samt att det kan innehålla reflektioner som ger olika utseenden från olika vinklar. Himmel å andra sidan ska aldrig ge upphov till 3D-information varför den lika gärna kan maskas bort. Manuell maskning av bilder är väldigt tidskrävande och dyrt. Detta examensarbete undersöker huruvida denna maskning kan göras automatiskt med Faltningsnät för Semantisk Segmentering och hur detta skulle kunna förbättra en 3D-rekonstruktionsprocess.

The conversion towards a more automated transport system causes new challenges for information sharing, responsibilities and infrastructure requirements. This study examines autonomous vehicles’ need of reliable information and infrastructure, and how it affects the future road transport system, with focus on road signs. The purpose of the study is to investigate how cooperation among different actors can meet the vehicles’ need of information, with the assumption of mixed traffic including vehicles of different automation levels. Interviews were conducted with representatives from the automotive industry, the transport administration, the transport agency and a transport research lab. The results indicate great complexity and diversity among the actors perspectives upon how the automated transport system will be designed in the future. It is clear that autonomous driving will be limited to geofenced areas and restricted under special conditions, at least in the near future. Redundant and secure information obtained e.g. from digital maps, cloud services and vehicle sensors will be important for the future automated vehicle to make accurate strategic-, tactical- and operational decisions. Further, it is important that actors collaborate and share this information with each other.

Detta arbete undersöker hur vida agenter inom artificiell intelligens kan realistiskt distribuera en svensk tallskog. Landskapets mark där simuleringen kommer att ta plats är formad efter en referensskogs mark. I miljön kommer det även att finnas vindzoner som hjälper agenterna att färdas runt och sprida flera träd.Resultatet visar att det är möjligt att skapa en svensk tallskog med agenter då simuleringen hade kvaliteter som liknar referensskogens. De kvaliteter som undersökts är täthetszoner och vart dessa hamnade. Simuleringen skapade täthetszoner för träden som var lika i antal som de som kunde mätas i referensskogen. Det gick att dra slutsatsen att zonerna inte behövde ligga exakt som i referensskogen. Med det sagt är agenterna dock inte bra för att återskapa en skog efter en referensbild.I framtida arbeten skulle det vara intressant att kolla hur agenter kan återskapa skogar med flera trädarter samt annan vegetation. Marken skulle då kunnat få mer uppmärksamhet och dess tillstånd för att avgöra hur vida träd och andra växter kan växa där.

Traditionella fordonstillverkare är inte längre ensamma aktörer på fordonsmarknaden – utan stora IT-företag som Apple och Alphabet har ökat sina forskningsanslag och arbetar på kommersialiserad självkörningsteknologi. Fler inblandade IT-aktörer och en ökad mängd IT i fordonen gör att vi bedömer att autonoma fordon kan betraktas som IT-produkter, vilket vi ser kan medföra olika risker och utmaningar.   Autonoma fordons testverksamhet pågår aktivt runt omkring i världen. I Sverige introducerades en ny lagstiftning 2017 som tillåter testningen av autonoma fordon på allmänna vägar. Detta har lett till att vi idag ser ett antal olika projekt runt om i landet som involverar autonoma fordon på vägarna. I Linköping bedrivs bland annat ett projekt som går ut på att testa fyra autonoma bussar av modellen Olli i en specifik stadsdel. För att undersöka risker och utmaningar kopplade till autonoma fordon valde vi att genomföra en fallstudie på Olli. Resultatet har påvisat ett antal utmaningar och risker, vissa av dem unika för projektet men ändock applicerbara på andra autonoma fordon. Utmaningarna involverar både tekniska och icke-tekniska aspekter, och vi ser utifrån dessa att balansen mellan båda delarna är viktiga att ha i åtanke under en designprocess. / Traditional vehicle manufacturers are no longer sole players on the market — IT companies like Apple and Alphabet have increased their R&D-funding and are working on their own commercialized self driving technologies. Due to more involved IT companies and an increase of IT in the vehicles, our onset is to view the autonomous vehicle as an IT product, which could result in different forms of risks and challenges. Autonomous vehicle testing is taking place around the world. In Sweden, a new legislation introduced in 2017 has made it possible to test autonomous vehicles on public roads. As a result, a number of projects involving autonomous vehicles have been initiated around the country. In Linköping, for example, there's a planned project that focuses on testing four autonomous buses of a model called Olli in a specific district. To examine risks and challenges related to autonomous vehicles we decided to do a case study of Olli. The result shows a number of risks and challenges, some of them are unique to the project but still applicable on other types of autonomous vehicles. The challenges involves both technical and non-technical aspects, and judging from these we have noticed that the balance between both parts are important to have in mind during the design process of the vehicles.

Gaze tracking is the estimation of the point in space a person is “looking at”. This is widely used in both diagnostic and interactive applications, such as visual attention studies and human-computer interaction. The most common commercial solution used to track gaze today uses a combination of infrared illumination and one or more cameras. These commercial solutions are reliable and accurate, but often expensive. The aim of this thesis is to construct a simple single-camera gaze tracker from off-the-shelf components. The method used for gaze tracking is based on infrared illumination and a schematic model of the human eye. Based on images of reflections of specific light sources in the surfaces of the eye the user’s gaze point will be estimated. Evaluation is also performed on both the software and hardware components separately, and on the system as a whole. Accuracy is measured in spatial and angular deviation and the result is an average accuracy of approximately one degree on synthetic data and 0.24 to 1.5 degrees on real images at a range of 600 mm.

In recent years, the market for automatized surveillance and use of unmanned ground vehicles (UGVs) has increased considerably. In order for unmanned vehicles to operate autonomously, high level algorithms of artificial intelligence need to be developed and accompanied by some way to make the robots perceive and interpret the environment. The purpose of this work is to investigate methods for real-time obstacle detection using stereo vision and implement these on an existing UGV platform. To reach real-time processing speeds, the algorithms presented in this work are designed for parallel processing architectures and implemented using programmable graphics hardware. The reader will be introduced to the basics of stereo vision and given an overview of the most common real-time stereo algorithms in literature along with possible applications. A novel wide-baseline real-time depth estimation algorithm is presented. The depth estimation is used together with a simple obstacle detection algorithm, producing an occupancy map of the environment allowing for evasion of obstacles and path planning. In addition, a complete system design for autonomous navigation in multi-UGV systems is proposed.

Att undersöka hur elever blir hjälpta av bilder för att förstå vår omvärld var utgångspunkten i denna undersökning. För att försöka få fram det, valdes bland annat att låta eleverna rita egna bilder. Eleverna fick i uppdrag att med hjälp av bilder förklara växthuseffekten samt intervjuades ett urval av elever. Bilderna analyserades och de transkriberade intervjuerna ställdes i förhållande till vad de ritat. En del av elevernas bilder kontrasterar mot deras egna uppfattningar om hur bilder bör ser ut för att på ett bra sätt förklara olika ting och händelseförlopp. En del bilder stämmer överens med deras egna uppfattningar om hur bilder som hjälper att förstå bör se ut. Viktigt för flertalet av elever var att det i bilden fanns förklarande text. Andra viktiga aspekter var användandet av olika färger och att bilderna såg verkliga ut. Om en bild kan visa verkligheten eller inte diskuteras även det i uppsatsen. Min slutsats utifrån detta arbete är att eleverna verkar vara hjälpta av bilder som minneshjälp och för att förklara sammanhang, men för att rättvist kunna bedöma hur eleverna blir hjälpta kräver en djupare studie. Denna undersökning kan inspirera till att resonera kring hur eleverna blir hjälpta av bilder och kanske stimulera till vidare forskning