Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18440
Τίτλος: Εντοπισμός Αυτοκινήτων σε Τρισδιάστατα Νέφη Σημείων μέσω Συνελικτικών Νευρωνικών Δικτύων
Συγγραφείς: Κώτσης, Ευστάθιος
Σταφυλοπάτης Ανδρέας-Γεώργιος
Λέξεις κλειδιά: Εντοπισμός Τρισδιάστατων Αντικειμένων
Νευρωνικά Δίκτυα
Συνελικτικά Νευρωνικά Δίκτυα
Μηχανική Μάθηση
Όραση Υπολογιστών
Βαθιά Μάθηση
Αυτόνομη οδήγηση
Lidar
Νέφη Σημείων
Βόξελ
3D Object Detection
Convolutional Neural Networks
Autonomous Driving
Ημερομηνία έκδοσης: 31-Αυγ-2022
Περίληψη: Ο εντοπισμός αντικειμένων αποτελεί έναν από τους πιο δημοφιλείς τομείς της Όρασης Υπολογιστών. Ο τομέας αποσκοπεί στην κατασκευή μοντέλων, ικανά να διακρίνουν την κλάση ενδιαφέροντος από όλα τα υπόλοιπα αντικείμενα που εμφανίζονται. Ενώ ο εντοπισμός αντικειμένων σε δύο διαστάσεις έχει σημειώσει μεγάλες επιτυχίες, ο απευθείας εντοπισμός τρισδιάστατων αντικειμένων αποτελεί πολύ μεγαλύτερη πρόκληση. Ειδικότερα ο εντοπισμός τρισδιάστατων αντικειμένων σε Νέφη Σημείων αποκτά ιδιαίτερο ενδιαφέρον λόγω των εφαρμογών του σε οικιακά ρομπότ, στην εικονική πραγματικότητα και στα συστήματα αυτόνομης οδήγησης. Όσον αφορά τον τελευταίο τομέα, ο εντοπισμός αυτοκινήτων σε Νέφη Σημείων αποτελεί επιτακτική ανάγκη για την πρόοδο της αυτόνομης οδήγησης και την καθιέρωση της ως μία ασφαλή βιώσιμη εναλλακτική πρόταση στην οδήγηση. Για τον εντοπισμό των σημαντικών χαρακτηριστικών που υπάρχουν στα Νέφη Σημείων, ένα μεγάλο μέρος της βιβλιογραφίας στηρίζεται στην χρήση χειροκίνητων αναπαραστάσεων τους. Στην εργασία αυτή γίνεται χρήση μίας ολοκληρωμένης αρχιτεκτονικής εντοπισμού αντικειμένων σε τρεις διαστάσεις καθώς και δοκιμές τροποποίησης της, με στόχο τον εντοπισμό αυτοκινήτων, αντλούμενα από τρισδιάστατα Νέφη Σημείων, τα οποία έχουν συλλεχθεί από συσκευές λέιζερ lidar (Light Detection And Ranging) οι οποίες προσφέρουν την δυνατότητα υπολογισμού του βάθους των αντικειμένων, κρίσιμο στοιχείο που στερούνται οι τεχνικές χειρισμού εικόνων. Η συγκεκριμένη αρχιτεκτονική κάνει χρήση τριών υποσυστημάτων. Πιο συγκεκριμένα, ένα Σύστημα Εκμάθησης Χαρακτηριστικών, το οποίο αφού χωρίσει το Νέφος Σημείων σε τρισδιάστατα Βόξελ, μεταμορφώνει το σύνολο των σημείων κάθε Βόξελ σε μία αραιή αναπαράσταση χαρακτηριστικών, μέσω μίας Αλυσίδας Επιπέδων Κωδικοποίησης. Στην συνέχεια η αραιή αναπαράσταση του Νέφους σημείων τροφοδοτεί επιπλέον Συνελικτικά Επίπεδα και τέλος ένα Δίκτυο Προτάσεων Περιοχής που στηρίζεται σε συνελικτικά νευρωνικά δίκτυα, το οποίο κάνει τις τελικές προβλέψεις για την ύπαρξη ή όχι αυτοκινήτων στην εκάστοτε υποπεριοχή του Νέφους, ενώ ταυτόχρονα επιχειρεί να τελειοποιήσει την θέση και τον προσανατολισμό των επιτυχημένων προβλέψεων. Η εκπαίδευση του μοντέλου είναι επιβλεπόμενη και γίνεται με ετικέτες που δίνονται για συγκεκριμένα χαρακτηριστικά του Cloud, ενώ η συνάρτηση απωλειών αποτελείται από τις απώλειες για την κατηγοριοποίηση σε κλάση ενδιαφέροντος ή όχι και τις απώλειες για την διόρθωση των προβλέψεων. Τα πειράματα, σε κατάλληλο σύνολο δεδομένων αποτελούμενο από Νέφη Σημείων οδικού ιστού, δείχνουν πως το μοντέλο είναι ικανό να κατασκευάζει την αναπαράσταση των αντικειμένων στον χώρο και να μαθαίνει την δομή τους, κατορθώνοντας γενικά προβλέψεις υψηλής ποιότητας, οι οποίες περιορίζονται κατά βάση από την ποικιλομορφία του προσανατολισμού των αυτοκινήτων και την δυσκολία διάκρισης παρόμοιων οχημάτων.
URI: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18440
Εμφανίζεται στις συλλογές:Διπλωματικές Εργασίες - Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
Kotsis_Efstathios_Thesis.pdf4.69 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.