Παρακολούθηση μη-επανδρωμένου αεροχήματος βασισμένη σε βαθύ νευρωνικό δίκτυο στο AirSim
Loading...
Date
2023-10-26
Authors
Μηλιώνης, Βασίλειος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Ένα από τα πιο κλασικά προβλήματα στο χώρο της Υπολογιστικής Όρασης (Computer Vision) και της Επεξεργασίας Εικόνας (Image Processing) είναι ο εντοπισμός και η παρακολούθηση αντικειμένων σε ακολουθία από εικόνες - βίντεο. Η αξιοποίηση της Μηχανικής Μάθησης και ιδιαίτερα των Συνελικτικών Νευρωνικών Δικτύων έχει ανανεώσει τον συγκεκριμένο ερευνητικό τομέα. Στην παρούσα διπλωματική εργασία αναπτύσσεται ένα pipeline που συνδιάζει κλασικές μεθόδους, όπως το Kalman φίλτρο, με ένα Βαθύ Νευρωνικό Δίκτυο (DNN), ώστε να επιτευχθεί η παρακολούθηση αεροοχήματος σε πραγματικό χρόνο. Για την παρακολούθηση χρησιμοποιείται ένα Μη-επανδρωμένο Αεροόχημα (UAV), με μια μόνο κάμερα, ο έλεγχος του οποίου γίνεται με αυτόματο τρόπο, αξιοποιώντας την πληροφορία του pipeline. Επιτάσσεται επίσης μια Δομημένη (Structured) Pruning τεχνική ώστε να επιταχυνθεί η απόκριση του Βαθιού Νευρωνικού Δικτύου, με στόχο να επιτευχθούν υψηλές ταχύτητες επεξεργασίας των εικόνων (fps), μιας και οδηγούν σε καλύτερη παρακολούθηση. Για την υλοποίηση και την πειραματική αξιολόγηση χρησιμοποιήθηκε το AirSim, προσομοιωτής ανοικτού κώδικα, σχεδιασμένος για προβλήματα μηχανικής μάθησης. Το περιβάλλον στο οποίο εκτελέστηκαν τα πειράματα είναι άδειο, μιας και δεν υλοποιείται κάποια τεχνική αποφυγής εμποδίων (Obstacle Avoidance). Τέλος, για την εκπαίδευση του DNN αναπτύχθηκε αυτόματος τρόπος παραγωγής δεδομένων, τόσο της εικόνας, όσο και του Bounding Box.
Description
Keywords
Αυτόματος έλεγχος, Βαθιά νευρωνικά δίκτυα, Επιτάχυνση, Μη-επανδρωμένα αεροσκάφη, Φίλτρο Kalman