Κατασκευή και αξιοποίηση συστήματος αυτόματης εκμάθησης πλοήγησης και αποφυγής εμποδίων σε ρομποτικά οχήματα
Στόχος της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός συστήματος για κίνηση και αποφυγή εμποδίων στο χώρο, το οποίο θα εφαρμόσουμε σε ένα ρομποτικό όχημα. Για την αντίληψη του τρισδιάστατου χώρου έγινε χρήση μιας απλής κάμερας (monocular vision). H μηχανική όραση είναι ένας κλάδος που έ...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/14570 |
| id |
nemertes-10889-14570 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-145702022-09-05T05:37:47Z Κατασκευή και αξιοποίηση συστήματος αυτόματης εκμάθησης πλοήγησης και αποφυγής εμποδίων σε ρομποτικά οχήματα Construction and utilization of an automatic navigation and obstacle avoidance learning system in robotic vehicles Βενετσάνου, Άννα Venetsanou, Anna Πλοήγηση Μηχανική όραση Navigation Computer vision Στόχος της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός συστήματος για κίνηση και αποφυγή εμποδίων στο χώρο, το οποίο θα εφαρμόσουμε σε ένα ρομποτικό όχημα. Για την αντίληψη του τρισδιάστατου χώρου έγινε χρήση μιας απλής κάμερας (monocular vision). H μηχανική όραση είναι ένας κλάδος που έχει αναπτυχθεί ραγδαία τα τελευταία χρόνια και αξιοποιέιται σε πολλούς τομείς της καθημερινότητας. Ιδιαίτερα η μηχανική όραση μαζί με τη μηχανική μάθηση αποτελούν έναν τεχνολογικό συνδιασμό ο οποίος απασχολεί όλο ένα και περισσότερους ερευνητές και επενδύσεις και δίνει εκπληκτικά αποτελέσματα σε διάφορους τομείς της ερεύνας . Στο τομέα της μηχανικής μάθησης γίνεται χρήση νευρωνικών δικτύων τα οποία λόγω της ευελιξίας τους έχουν ενισχύσει τους αλγόριθμους και τις μεθόδους που διαθέταμε ως τώρα και έχει συμβάλλει σε προβλήματα αυξημένης πολυπλοκότητας. Στα πλαίσια της συγκεκριμένης εργασίας χρησιμοποιήσαμε δύο μεθόδους μηχανικής όρασης: στη πρώτη μέθοδο έγινε εντοπισμός εμποδίων με τη χρήση των δεικτών ArUco , ενώ στη δεύτερη μέθοδο έγινε χρήση νευρωνικών δικτύων για την εκτίμηση του βάθους. Για να εξετάσουμε τις παραπάνω μεθόδους χρησιμοποιήσαμε περιβάλλον προσομοίωσης καθώς και έναν μικροϋπολογιστή. The goal of this project is the development of a system whose objective is the ability to navigate in a given space as well as the circumvention of obstacles in said space, which will then be applied to a robotic vehicle. A monocular vision camera was used for the detection of the 3-d space. The branch of monocular vision has evolved rapidly in recent years and is utilized several fields. Specifically the combination of mechanical vision and machine learning is considered to be of great interest to a plethora of researchers and investors seeking to produce great results in different research fields. In the general space of machine learning, the concept of neural networks has been rather useful which, due to their versatility, have boosted the methods and algorithms that have been used up to now and has contributed to the solution of complex problems. Within the confines of this project 2 methods have been utilized: In the first method we achieved the detection of obstacles using ArUco markers while in the second method we utilized neural networks for depth perception. To evaluate the 2 methods we made use of a simulation environment as well as a compact developer kit.The goal of this project is the development of a system whose objective is the ability to navigate in a given space as well as the circumvention of obstacles in said space, which will then be applied to a robotic vehicle. A monocular vision camera was used for the detection of the 3-d space. The branch of monocular vision has evolved rapidly in recent years and is utilized several fields. Specifically the combination of mechanical vision and machine learning is considered to be of great interest to a plethora of researchers and investors seeking to produce great results in different research fields. In the general space of machine learning, the concept of neural networks has been rather useful which, due to their versatility, have boosted the methods and algorithms that have been used up to now and has contributed to the solution of complex problems. Within the confines of this project 2 methods have been utilized: In the first method we achieved the detection of obstacles using ArUco markers while in the second method we utilized neural networks for depth perception. To evaluate the 2 methods we made use of a simulation environment as well as a compact developer kit. 2021-03-02T11:48:29Z 2021-03-02T11:48:29Z 2021-03-01 http://hdl.handle.net/10889/14570 gr application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Πλοήγηση Μηχανική όραση Navigation Computer vision |
| spellingShingle |
Πλοήγηση Μηχανική όραση Navigation Computer vision Βενετσάνου, Άννα Κατασκευή και αξιοποίηση συστήματος αυτόματης εκμάθησης πλοήγησης και αποφυγής εμποδίων σε ρομποτικά οχήματα |
| description |
Στόχος της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός συστήματος για κίνηση και
αποφυγή εμποδίων στο χώρο, το οποίο θα εφαρμόσουμε σε ένα ρομποτικό όχημα. Για την
αντίληψη του τρισδιάστατου χώρου έγινε χρήση μιας απλής κάμερας (monocular vision). H
μηχανική όραση είναι ένας κλάδος που έχει αναπτυχθεί ραγδαία τα τελευταία χρόνια και
αξιοποιέιται σε πολλούς τομείς της καθημερινότητας. Ιδιαίτερα η μηχανική όραση μαζί με τη
μηχανική μάθηση αποτελούν έναν τεχνολογικό συνδιασμό ο οποίος απασχολεί όλο ένα και
περισσότερους ερευνητές και επενδύσεις και δίνει εκπληκτικά αποτελέσματα σε διάφορους τομείς
της ερεύνας . Στο τομέα της μηχανικής μάθησης γίνεται χρήση νευρωνικών δικτύων τα οποία λόγω
της ευελιξίας τους έχουν ενισχύσει τους αλγόριθμους και τις μεθόδους που διαθέταμε ως τώρα και
έχει συμβάλλει σε προβλήματα αυξημένης πολυπλοκότητας. Στα πλαίσια της συγκεκριμένης
εργασίας χρησιμοποιήσαμε δύο μεθόδους μηχανικής όρασης: στη πρώτη μέθοδο έγινε εντοπισμός
εμποδίων με τη χρήση των δεικτών ArUco , ενώ στη δεύτερη μέθοδο έγινε χρήση νευρωνικών
δικτύων για την εκτίμηση του βάθους. Για να εξετάσουμε τις παραπάνω μεθόδους
χρησιμοποιήσαμε περιβάλλον προσομοίωσης καθώς και έναν μικροϋπολογιστή. |
| author2 |
Venetsanou, Anna |
| author_facet |
Venetsanou, Anna Βενετσάνου, Άννα |
| author |
Βενετσάνου, Άννα |
| author_sort |
Βενετσάνου, Άννα |
| title |
Κατασκευή και αξιοποίηση συστήματος αυτόματης εκμάθησης πλοήγησης και αποφυγής εμποδίων σε ρομποτικά οχήματα |
| title_short |
Κατασκευή και αξιοποίηση συστήματος αυτόματης εκμάθησης πλοήγησης και αποφυγής εμποδίων σε ρομποτικά οχήματα |
| title_full |
Κατασκευή και αξιοποίηση συστήματος αυτόματης εκμάθησης πλοήγησης και αποφυγής εμποδίων σε ρομποτικά οχήματα |
| title_fullStr |
Κατασκευή και αξιοποίηση συστήματος αυτόματης εκμάθησης πλοήγησης και αποφυγής εμποδίων σε ρομποτικά οχήματα |
| title_full_unstemmed |
Κατασκευή και αξιοποίηση συστήματος αυτόματης εκμάθησης πλοήγησης και αποφυγής εμποδίων σε ρομποτικά οχήματα |
| title_sort |
κατασκευή και αξιοποίηση συστήματος αυτόματης εκμάθησης πλοήγησης και αποφυγής εμποδίων σε ρομποτικά οχήματα |
| publishDate |
2021 |
| url |
http://hdl.handle.net/10889/14570 |
| work_keys_str_mv |
AT benetsanouanna kataskeuēkaiaxiopoiēsēsystēmatosautomatēsekmathēsēsploēgēsēskaiapophygēsempodiōnserompotikaochēmata AT benetsanouanna constructionandutilizationofanautomaticnavigationandobstacleavoidancelearningsysteminroboticvehicles |
| _version_ |
1771297153383137280 |
