Система підвищення точності розпізнавання дорожньої обстановки в безпілотному наземному апараті
Автор: Скоробрещук Сергій Юрійович
Кваліфікаційний рівень: магістр
Спеціальність: Системне програмування
Інститут: Інститут комп'ютерних технологій, автоматики та метрології
Форма навчання: денна
Навчальний рік: 2020-2021 н.р.
Мова захисту: українська
Анотація: Скоробрещук С.Ю., Голембо В.А. (керівник). Система підвищення точності розпізнавання дорожньої обстановки в безпілотному наземному апараті. Магістерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів, 2020. Розширена анотація Покращення орієнтаціїї безпілотних транспортних апаратів довзолить звільнити людей від напруженого кермування, оптимізувати трафік та зменшити кількість нещасних випадків в майбутньому. В сфері самокерованих авто здійснено чимало відкриттів та напрацювань. [1] Проте, одним із лімітуючих факторів є наявність на дорогах загального користування звичайних людей-водіїв. Якщо придивитися до їхнього стилю керування, то одразу помітно, що будь-яка людина відхиляється від правил в тій чи іншій мірі. Тому на даний момент неможливо створити автопілот, який буде здатен протистояти непередбачуваній поведінці інших людей на дорозі. І саме тому чим швидше буде втілена в життя модель що здатна з високою точністю пересуватися по місту – тим скоріше весь транспорт стане автономним та звільнить людство від більшості проблем великих міст, які існують на даний момент [2]. Об’єкт дослідження: засоби оцінювання дорожньої обстановки в безпілотних наземних апаратах. Предмет дослідження: підвищення точності розпізнавання дорожньої обстановки в безпілотних наземних апаратах. 2 Мета дослідження: розробка та перевірка впливу алгоритмів обробки зображень для виділення значущих об’єктів на точність розпізнавання дорожньої обстановки в безпілотному наземному апараті. Результати дослідження: - побудовано тестову модель безпілотного наземного апарату, трек для навчання, написано програмне забезпечення, що дозволяє легко збирати вхідні дані для навчання, обробляти їх, будувати модель нейронної мережі та нарешті керувати розробленим апаратом [3]. Описано весь процес налагодження, встановлення всіх програмних засобів і основних модулів програмної частини; - розроблено алгоритм виділення ліній дорожньої розмітки як основного елементу оцінювання дорожньої обстановки, обраного для проведення даного дослідження [4]; - з’ясовано, що розпізнавання незначно погіршується якщо застосовувати запропоновані алгоритми обробки в умовах близьких до тренувальних [5]. Даний результат пояснюється тим, що попередні алгоритми обробки окрім шумів можуть відсікати і частину важливої інформації і їх треба покращувати. Проте, в усіх інших випадках, попередня обробка зображень для виділення значущих елементів дозволила зменшити помилку розпізнавання дорожньої обстановки в середньому на 6%, що є доволі добрим покращенням для нейронних мереж, використаних за основу проведення досліджень. Поставлене технічне завдання було виконано повному обсязі – отримане значення покращення точності в 6% є більшим за поставлене в 5%. Ключові слова – безпілотний апарат, обробка зображень, нейронні мережі. Перелік використаних літературних джерел. 1. Голембо В.А., Гребеняк А.В. Навігація в колективі автономних апаратів // Вісник Національного університету “Львівська політехніка” “Комп’ютерні системи та мережі”. – 2010. – № 688. – С. 77–83. 3 2. Мельник А. О. Наукові напрями створення багаторівневої платформи кіберфізичних систем // Кіберфізичні системи досягнення та виклики : матеріали третього наукового семінару, 13–14 червня, 2017 р., Львів. – 2017. – C. 4–9. 3. Штучні нейронні мережі : обчислення / М.А. Новотарський, Б.Б. Нестеренко // Праці Інституту математики НАН України. – Т50. – Київ: Ін т математики НАН України, 2004. – 408 с. 4. David A. Forsyth, Jean Ponce. Computer Vision: A Modern Approach, 8(1-2) – 2012. – pp 50-440. 5. Deng L. Deep learning: Methods and applications / Deng L. and Yu D. // Foundations and Trends in Signal Processing, 7(3–4) – 2014. – pp. 197–387.