Razvoj sistema detekcije objektov za avtonomna vozila z uporabo tehnologije LiDAR : magistrsko delo

Fekonja, Peter

| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Prva stran > Izpis gradiva

Izpis gradiva

Naslov:	Razvoj sistema detekcije objektov za avtonomna vozila z uporabo tehnologije LiDAR : magistrsko delo
Avtorji:	ID Fekonja, Peter (Avtor) ID Rojc, Matej (Mentor) Več o mentorju...
Datoteke:	MAG_Fekonja_Peter_2021.pdf (8,28 MB) MD5: 93B52B8BB225695AD65CB983AAF9DBDF PID: 20.500.12556/dkum/66d2932a-8180-46bc-a4e8-b6d747d25ca9
Jezik:	Slovenski jezik
Vrsta gradiva:	Magistrsko delo/naloga
Tipologija:	2.09 - Magistrsko delo
Organizacija:	FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:	V magistrskem delu je predstavljena uporaba LiDAR sistemov in globokega učenja v kontekstu avtonomnih vozil. Delo vključuje teoretično in eksperimentalno delo. V teoretičnem delu predstavimo aktualne rešitve za razvoj LiDAR sistemov, najpogosteje uporabljene pristope za globoko učenje in metode obdelave LiDAR točkovnih oblakov z nevronskimi mrežami. Prav tako so predstavljeni aktualni senzorski sistemi na trenutni generaciji avtonomnih vozil, podatkovne baze namenjene učenju nevronskih mrež za uporabo v avtonomnih vozilih in trenutna generacija nizkocenovnih LiDAR senzorjev. V eksperimentalnem delu naloge je podrobno predstavljena zmogljivost Livox Mid-40 LiDAR sistema ter njegova uporaba v lastni rešitvi za detekcijo objektov v prometu. Podrobno je predstavljen razvoj lastne nevronske mreže kot klasifikatorja, razvoj lastnega pristopa za lokalizacijo objektov in primerjava naših rešitev z že obstoječimi pristopi. Naš pristop k lokalizaciji objektov je dosegal boljše ali primerljive rezultate z obstoječimi metodami, v kombinaciji z našim klasifikatorjem pa bistveno slabše rezultate od trenutnih enovitih modelov nevronskih mrež s prenosom znanja.
Ključne besede:	LiDAR, Livox Mid-40, avtonomna vozila, globoko učenje, klasifikacija, lokalizacija
Kraj izida:	Maribor
Kraj izvedbe:	Maribor
Založnik:	[P. Fekonja]
Leto izida:	2021
Št. strani:	XVII, 228 f.
PID:	20.500.12556/DKUM-78686
UDK:	004.032.26:004.6(043.2)
COBISS.SI-ID:	54864899
NUK URN:	URN:SI:UM:DK:BK8NQRSW
Datum objave v DKUM:	01.03.2021
Število ogledov:	1780
Število prenosov:	111
Metapodatki:
Področja:	KTFMB - FERI
:	Kopiraj citat

Skupna ocena:	(0 glasov)
Vaša ocena:	Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:	CC BY-SA 4.0, Creative Commons Priznanje avtorstva-Deljenje pod enakimi pogoji 4.0 Mednarodna

Povezava:	http://creativecommons.org/licenses/by-sa/4.0/deed.sl
Opis:	Ta licenca Creative Commons je zelo podobna običajni licenci Priznanje avtorstva, vendar zahteva, da so materialne avtorske pravice na izpeljanih delih upravljane z enako licenco.
Začetek licenciranja:	07.02.2021

Sekundarni jezik

Jezik:	Angleški jezik
Naslov:	Development of object detection system for autonomous vehicles by using LiDAR technology
Opis:	In the master's thesis we present the use of LiDAR systems and deep learning in the context of autonomous vehicles. The thesis includes theoretical and experimental parts. In the theoretical part, we present the state-of-the-art solutions for development of LiDAR systems, the most commonly used approaches to deep learning and the methods used to process LiDAR point clouds using neural networks. We also present the current sensor systems, used on the current generation of autonomous vehicles, databases targeted towards neural networks for autonomous vehicle use and the current generation of low-cost LiDAR sensors. In the experimental part, we give a detailed presentation of the capabilities of the Livox Mid-40 LiDAR system and its use in our own solution to object detection in traffic. We also show, in detail, the development of our own neural network for use as a classifier, the development of our own approach to object localization and the comparison of our solutions with existing approaches. Our object localization approach achieved similar or better results than those of existing methods, but, in conjunction with our classifier, achieved significantly worse results than current end-to-end neural network models that use transfer learning.
Ključne besede:	LiDAR, Livox Mid-40, autonomous vehicles, deep learning, classification, localization

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)

0 - 0 / 0

Ni komentarjev!

Nazaj