| dc.contributor.advisor | Evripidou, Salomi | |
| dc.contributor.author | Αδάμου, Ανδρέας | |
| dc.date.accessioned | 2026-06-09T10:02:29Z | |
| dc.date.available | 2026-06-09T10:02:29Z | |
| dc.date.issued | 2026-05 | |
| dc.identifier.uri | http://hdl.handle.net/11728/13553 | |
| dc.description | ENGLISH ABSTRACT
This thesis aims to develop and experimentally evaluate a vision-based line-following
system on a real robotic platform, with emphasis on investigating how specific algorithmic
choices affect the accuracy, stability and overall performance of navigation. For this purpose, a
basic vision-based algorithm was developed, using camera input, image processing techniques,
line position estimation and corrective motion commands.
Based on this algorithm, different variants were implemented and compared, including
the use of Dynamic ROI and different thresholding approaches. In addition, an IR sensor-based
system was developed as a baseline for comparison. The evaluation was carried out on the same
line-following track for all methods. The track included sections of different difficulty levels and
the tests were conducted at different driving speeds. The methods were compared using metrics
such as mean lateral error, number of failed line detections, average recovery time, route
completion time and number of successful trials.
The results showed that a vision-based system can support satisfactory line-following
navigation on a real low-cost platform, mainly at low and medium speeds. However, its
performance is significantly affected by image quality, motion blur, the selection of the region of
interest and the thresholding method. Among the vision-based variants, the Dynamic ROI
method achieved the best overall performance, as it helped maintain more relevant visual
information during line tracking. In contrast, the Adaptive Thresholding method did not perform
better than fixed thresholding in this implementation, due to discontinuities that appeared in the
binary image. The experimental Dynamic Thresholding variant showed improved behavior
compared to Adaptive Thresholding, but did not overall outperform the variants based on fixed
thresholding.
In conclusion, this thesis shows that the performance of a vision-based line-following
system does not depend only on the use of a camera, but also on the specific design choices of
the vision pipeline. At the same time, it highlights the potential of such systems for educational
robotics and low-cost autonomous navigation applications. | en_UK |
| dc.description.abstract | Η παρούσα πτυχιακή εργασία έχει ως στόχο την ανάπτυξη και πειραματική αξιολόγηση
ενός vision-based συστήματος line-following σε πραγματική ρομποτική πλατφόρμα, με έμφαση
στη διερεύνηση του τρόπου με τον οποίο επιμέρους αλγοριθμικές επιλογές επηρεάζουν την
ακρίβεια, τη σταθερότητα και τη συνολική απόδοση της πλοήγησης. Για τον σκοπό αυτό
αναπτύχθηκε ένας βασικός vision-based αλγόριθμος, ο οποίος αξιοποιεί εικόνα από κάμερα,
τεχνικές επεξεργασίας εικόνας, υπολογισμό της θέσης της γραμμής και διορθωτικές εντολές
κίνησης.
Πάνω στον βασικό αυτό αλγόριθμο υλοποιήθηκαν και συγκρίθηκαν διαφορετικές
παραλλαγές του, όπως η χρήση Dynamic ROI και διαφορετικές προσεγγίσεις κατωφλίωσης, ενώ
παράλληλα αναπτύχθηκε και ένα IR sensor-based σύστημα ως baseline για σκοπούς σύγκρισης.
Η αξιολόγηση πραγματοποιήθηκε σε κοινή πίστα line-following, η οποία περιλάμβανε τμήματα
διαφορετικού βαθμού δυσκολίας, και σε διαφορετικές ταχύτητες κίνησης. Για τη σύγκριση των
μεθόδων χρησιμοποιήθηκαν μετρικές όπως το μέσο πλευρικό σφάλμα, ο αριθμός αποτυχημένων
ανιχνεύσεων γραμμής, ο μέσος χρόνος ανάκαμψης, ο χρόνος ολοκλήρωσης της διαδρομής και ο
αριθμός επιτυχημένων δοκιμών.
Τα αποτελέσματα έδειξαν ότι ένα vision-based σύστημα μπορεί να υποστηρίξει
ικανοποιητική line-following πλοήγηση σε πραγματική πλατφόρμα χαμηλού κόστους, κυρίως σε
χαμηλές και μεσαίες ταχύτητες. Ωστόσο, η απόδοσή του επηρεάζεται σημαντικά από την
ποιότητα της εικόνας, τη θόλωση, την επιλογή της περιοχής ενδιαφέροντος και τη μέθοδο
κατωφλίωσης. Από τις vision-based παραλλαγές, η μέθοδος Dynamic ROI παρουσίασε την
καλύτερη συνολική συμπεριφορά, καθώς συνέβαλε στη διατήρηση πιο σχετικής οπτικής
πληροφορίας κατά την παρακολούθηση της γραμμής. Αντίθετα, η Adaptive Threshold μέθοδος
δεν απέδωσε καλύτερα από το σταθερό thresholding στη συγκεκριμένη υλοποίηση, λόγω
ασυνεχειών που εμφανίστηκαν στη δυαδική εικόνα. Η πειραματική Dynamic Threshold εκδοχή
παρουσίασε βελτιωμένη συμπεριφορά σε σχέση με την Adaptive Threshold, χωρίς όμως να
ξεπεράσει συνολικά τις παραλλαγές που βασίστηκαν στο σταθερό thresholding.
Συμπερασματικά, η εργασία δείχνει ότι η απόδοση ενός vision-based line-following
συστήματος δεν εξαρτάται μόνο από τη χρήση κάμερας, αλλά και από τις επιμέρους
σχεδιαστικές επιλογές του vision pipeline. Παράλληλα, αναδεικνύεται η δυνατότητα
αξιοποίησης τέτοιων συστημάτων σε εφαρμογές εκπαιδευτικής ρομποτικής και αυτόνομης
πλοήγησης χαμηλού κόστους. | en_UK |
| dc.language.iso | el_GR | en_UK |
| dc.publisher | Πρόγραμμα Δημόσιας Διοίκησης, Σχολή Οικονομικών Επιστημών και Διοίκησης, Πανεπιστήμιο Νεάπολις Πάφου | en_UK |
| dc.rights | Απαγορεύεται η δημοσίευση ή αναπαραγωγή, ηλεκτρονική ή άλλη χωρίς τη γραπτή συγκατάθεση του δημιουργού και κάτοχου των πνευματικών δικαιωμάτων | en_UK |
| dc.subject | Line-following | en_UK |
| dc.subject | Υπολογιστική Όραση | en_UK |
| dc.subject | Dynamic ROI | en_UK |
| dc.subject | Adaptive Thresholding | en_UK |
| dc.subject | Αισθητήρες Υπερύθρων | en_UK |
| dc.subject | Raspberry Pi | en_UK |
| dc.title | Σχεδίαση και πειραματική αξιολόγηση vision-based στρατηγικών πλοήγησης για αυτόνομα line-following ρομπότ | en_UK |
| dc.title.alternative | Διπλωματική Εργασία η οποία υποβλήθηκε προς απόκτηση τίτλου σπουδών στην Εφαρμοσμένη Πληροφορική στο Πανεπιστήμιο Νεάπολις Πάφου | en_UK |
| dc.type | Thesis | en_UK |
