Please use this identifier to cite or link to this item:
Title: Σχεδιασμός και μελέτη συστήματος αναγνώρισης και αντίληψης περιβάλλοντος, για ενσωμάτωση σε αυτόνομη πλατφόρμα κινητικότητας
Other Titles: Design and development of a context awareness system integrated into a smart mobility platform
Authors: Αθανασοπούλου, Λυδία
Keywords: Αντίληψη περιβάλλοντος
Σχεδιασμός διαδρομής
Επιτηρούμενη μηχανική μάθηση
Αποφυγή εμποδίων
Συστημάτων υπηρεσιών προϊόντων
Keywords (translated): Context awareness
Path planning
Supervised machine learning
Obstacle avoidance
Product – service system
Abstract: Οι τεχνολογίες οπτικής αναγνώρισης εικόνων εμφανίζονται ολοένα και περισσότερο στον βιομηχανικό τομέα τα τελευταία χρόνια. Οι τεχνικές μηχανικής μάθησης (machine learning) συμβάλουν στην ταχεία πρόοδο στον τομέα των προβλέψεων και των αποφάσεων που βασίζονται σε δεδομένα, και συσχετίζονται άμεσα με τα συστήματα οπτικής αναγνώρισης (computer vision systems). Στη συγκεκριμένη εργασία, η μηχανική μάθηση χρησιμοποιείται για αντίληψη του περιβάλλοντος (context awareness), μέσω της εφαρμογής σε μια έξυπνη πλατφόρμα κινητικότητας. Για τον σκοπό αυτό, ακολουθείται μίας ελαφριά προσέγγιση που βασίζεται στη χρήση ενός σχετικά μικρού συνόλου εικόνων ως δεδομένα σε ένα δυναμικό περιβάλλον. Ο κύριος στόχος είναι να εντοπιστεί η θέση της ίδιας της κάμερας και η εμφάνιση εμποδίων εντός μιας προκαθορισμένης περιοχής. Χρησιμοποιείται επιτηρούμενη μηχανική μάθηση (supervised machine learning) με τεχνητά νευρωνικά δίκτυα (artificial neural networks) που τροφοδοτούνται από δεδομένα με μειωμένη διαστασιμότητα. Για την περαιτέρω μείωση της επεξεργαζόμενης πληροφορίας, έχει εφαρμοστεί ανάλυση ιεραρχικής κατάταξης (hierarchical cluster analysis) για την ομαδοποίηση παρόμοιων παρατηρήσεων σε ομάδες. Επιπροσθέτως, μελετήθηκε ο σχεδιασμός διαδρομής (path planning) μέσω της εφαρμογής του αλγορίθμου Dijkstra και της 8-συνδεσιμότητας (8-connectivity), καθώς και της εφαρμογής αλγόριθμου πιθανολογικού χάρτη (probabilistic roadmap) με σκοπό τη δημιουργία της μικρότερης διαδρομής ανάμεσα σε μια αρχική και την επιθυμητή θέση. Η αποφυγή σύγκρουσης πραγματοποιείται με την μελέτη των προαναφερθέντων αλγορίθμων σε περιβάλλον με παρεμβολή στατικών εμποδίων. Το σύστημα αντίληψης περιβάλλοντος και σχεδιασμού πορείας σχεδιάζεται, επιπλέον, υπό το πλαίσιο των Συστημάτων Υπηρεσιών Προϊόντων (Product Service System).
Abstract (translated): Image recognition technologies and computer vision systems are becoming increasingly emerged into the industrial sector within the past few years. Deep learning and machine learning techniques have enabled rapid progress in the field of data-driven predictions and decisions, and are commonly associated with computer vision technology in several applications. In this work, machine learning is utilized for offering context awareness to a smart mobility platform, through the establishment of a lightweight approach. The restrictions concern a rather dynamic environment and a relevantly small dataset of images. The main objective is to determine the position of the camera itself and the appearance of obstacles within a predefined area. Supervised machine learning with artificial neural networks (ANN) fed by data of reduced dimensionality are utilized to this end. The hierarchical cluster analysis (HCA) has been applied to group similar observations into clusters, in order to study the performance of the proposed approach. Additionally, a path planning approach has been proposed based on the implementation of Dijkstra’s algorithm and 8-connectivity, as well as the examination of a Probabilistic Roadmap (PRM) algorithm for the generation of the shortest path between an initial and target position. Collision avoidance is being performed by evaluating the aforementioned algorithms in an environment with the interference of static obstacles. The context awareness and path planning system is, furthermore, designed under the prism of Product-Service System (PSS).
Appears in Collections:Τμήμα Μηχανολόγων και Αεροναυπηγών Μηχανικ. (ΔΕ)

Files in This Item:
File Description SizeFormat 
DT_M_Αθανασοπούλου_Λυδία_246497.pdf5.3 MBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.