شناسايي موانع و مسير حركت خودرو خودران به كمك فناوري بينايي ماشين

كارشناسي ارشد

با حذف راننده، خودروهاي خودران نيازمند تعداد زيادي حسگر جهت در اختيار داشتن ادراك صحيحي از محيط پيرامون خود هستند. بينايي ماشين با رويكرد يادگيري عميق يكي از رايج‌ترين روش‌ها جهت شناسايي مسير و موانع پيرامون خودرو است. اما عملكرد اين حسگر هنگامي كه اختلاف دامنه زيادي ميان تصاوير پايگاه داده آموزش و تست باشد با افت بزرگي مواجه خواهد شد. در اين تحقيق، با در نظر داشتن اين چالش و با تكيه بر بينايي ماشين و يادگيري عميق، اقدام به شناسايي موانع و مسير حركت خودرو مي‌گردد. در ابتدا عموميت مدل‌هاي يادگيري عميق در حيطه تشخيص‌دهنده‌هاي اشياء با آموزش شبكه‌هاي Faster-RCNN و SSD مورد هدف قرار داده مي‌شود. با تعريف سناريوهاي آموزشي مختلف و استفاده از معيار ميانگين دقت (mAP) عملكرد شبكه‌هاي مذكور به ترتيب 72/12% و 52/14% نسبت به كارهاي ديگران بهبود داده شده است. همچنين در مرحله بعد با اعمال اغتشاشات گوناگون به پايگاه داده تست عملكرد مدل در ارزيابي مقاوم بودن آن به چالش كشيده شده است و تلاش شده است با استفاده از استراتژي‌هاي مختلف آموزشي، عملكرد مدل در تشخيص اين پايگاه داده مغشوش بهبود پيدا كند. نتايج نشان مي‌دهند كه استراتژي‌هاي اعمالي توانسته‌اند بهبودهايي معادل با 85/6%، 07/7%، 96/6% و 10% را در معيارهاي s1، s4، mPC و rPC براي شبكه Faster-RCNN با استخوان‌بندي Resnet101 ايجاد نمايند. شبيه‌سازي‌ و آزمايش‌هاي انجام شده در ارزيابي با دامنه متفاوت نيز نشان مي‌دهند كه استراتژي‌هاي مورد استفاده موجب بهبود 56/14% و 5/5% به ترتيب براي پايگاه داده واقعي و شبيه‌سازي شده‌اند. پياده ساختن قطعه‌بندي معنايي جهت شناسايي همزمان مسير و موانع در مقياس پيكسلي از ديگر اهداف اين پايان‌نامه بوده است كه در اين زمينه از شبكه‌هاي سريع و به روز نظير DABNet، ContextNet و FastSCNN استفاده گشته است. همچنين در راستاي پاسخگويي به چالش زمان‌بر بودن برچسب‌گذاري دستي، از رويكرد معلم-دانش‌آموز به منظور انجام برچسب‌گذاري خودكار استفاده گشته است. با توجه به نتايج به دست آمده در ارزيابي مدل‌ها، شبكه دانش‌آموز تنها 2/1% اختلاف عملكرد با شبكه‌اي دارد كه برچسب‌گذاري آن پس از صرف زمان بسيار توسط انسان انجام شده است. همچنين نشان داده شده است كه آشنا ساختن مدل با دامنه تصاوير بياباني و فاقد ساختار منجر به بهبود 1/5% شبكه معلم و همچنين 9/1% در شبكه دانش‌آموز گشته است. در پايان نيز با ادغام روش برچسب‌گذاري خودكار (توسط شبكه معلم) و برچسب‌گذاري دستي، شبكه خروجي بهبودي معادل با 3/1% از دقت شبكه متناظري داشته است كه تنها توسط انسان آموزش ديده است.

194895

دانشگاه علم و صنعت ايران

طراحي سيستم هاي ديناميكي خودرو

دكتر مسعود مسيح طهراني - دكتر عبدالله اميرخاني