| Περίληψη: | Τα συστήματα αυτόνομης οδήγησης αποτελούν έναν αναπτυσσόμενο και πολύ
ενδιαφέροντα κλάδο στον τομέα των μεταφορών. Τα αυτόνομα οχήματα μπορούν να
προσφέρουν οδηγητική ασφάλεια, μείωση αυτοκινητιστικών ατυχημάτων, μετακίνηση για
όλες τις ομάδες ανθρώπων, όπως για παράδειγμα σε άτομα με ειδικές ανάγκες κα. Ο βαθμός
αυτονομίας σε συστήματα σχετικά με την οδήγηση καθορίζει και το επίπεδο αυτονομίας τους
από τον άνθρωπο-χειριστή τους. Η πλήρης αντίληψη του περιβάλλοντος από τους
αισθητήρες και η λήψη σωστών αποφάσεων για τις δράσεις του είναι οι κύριες συνιστώσες
για την ασφάλεια ενός τέτοιου συστήματος. Το αυτόνομο όχημα μπορεί να αντλεί τις
πληροφορίες του χώρου είτε μόνο μέσω των αισθητήρων του είτε συνδυάζοντας τους σε
συνεργασία με άλλα οχήματα και συσκευές, με τη χρήση συνεργατικών δικτύων. Στην
αυτόνομη οδήγηση, βασικό κομμάτι αποτελεί η ανίχνευση, η ταξινόμηση, η αναγνώριση και
η παρακολούθηση των αντικειμένων που συναντώνται στο περιβάλλον του οχήματος, όπως
η ανίχνευση και η παρακολούθηση άλλων οχημάτων ή πεζών. Η ακριβής ανίχνευση και
ιχνηλάτιση επηρεάζει τη λήψη κατάλληλων αποφάσεων σχετικά με μια δράση του οχήματος.
Δυο κύριοι αισθητήρες που συλλέγουν πληροφορία από το χώρο είναι η κάμερα και το LiDAR.
Η κάμερα παρέχει δισδιάστατη απεικόνιση του χώρου, με πλούσια οπτική πληροφορία που
χρησιμοποιείται στην ταξινόμηση των αντικειμένων. Ο αισθητήρας LiDAR προσφέρει τριών
διαστάσεων αραιή πληροφορία σχετικά με την απόσταση των αντικειμένων. Ο συνδυασμός
των πολυτροπικών δεδομένων (fusion) προσδίδει καλύτερη απεικόνιση του χώρου, σε
αντίθεση με τη μεμονωμένη πληροφορία του κάθε αισθητήρα. Στα πλαίσια της παρούσας
εργασίας μελετώνται τεχνικές συνδυασμού τέτοιων δεδομένων για την αποτελεσματικότερη
ανίχνευση και παρακολούθηση αντικειμένων. Ο στόχος της μεταπτυχιακής εργασίας είναι η
ανάπτυξη αλγορίθμων που παρέχουν υψηλής ακρίβειας αποτελέσματα σε σύντομο χρόνο
για την ανίχνευση και ιχνηλάτιση αντικειμένων.
|
|---|
