Αναγνώριση πεζών από αυτόνομο ρομποτικό όχημα με χρήση τεχνητής νοημοσύνης και τεχνικών βαθιάς μάθησης

Διαμαντής, Ευάγγελος

dc.contributor.advisor	Παναγιωτόπουλος, Θεμιστοκλής
dc.contributor.author	Διαμαντής, Ευάγγελος
dc.date.accessioned	2018-11-12T12:34:48Z
dc.date.available	2018-11-12T12:34:48Z
dc.date.issued	2018-10-31
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/11551
dc.description.abstract	Η υιοθέτηση σύγχρονων τεχνολογιών με προσανατολισμό τη βελτίωση και την εξάλειψη όλων των βασικών προβλημάτων που ταλανίζουν την σημερινή κοινωνία, αποτελεί αδιαπραγμάτευτη ανάγκη για τις τη σύγχρονη επιστημονική κοινότητα. Στο πλαίσιο υλοποίησης αυτής της φιλοσοφίας, η έρευνα και ανάπτυξη των αυτόνομων ρομποτικών οχημάτων θα οδηγούσε δυνητικά στην εξάλειψη μίας πληθώρας προβλημάτων που απασχολούν την ανθρωπότητα, ενώ παράλληλα θα συνεισέφερε ενεργά και καθοριστικά στην προαγωγή του βιοτικού επιπέδου καθώς και στην προστασία του περιβάλλοντος. Η ραγδαία εξέλιξη που έχει σημειωθεί κατά τα τελευταία έτη, τόσο στον τομέα της τεχνολογίας των αυτόνομων ρομποτικών οχημάτων, όσο και της τεχνολογίας εν γένει, οφείλεται κατά μεγάλο βαθμό στην εξίσου ραγδαία εξέλιξη που έχει σημειώσει ο τομέας της Τεχνητής Νοημοσύνης. Η Τεχνητή Νοημοσύνη, περιλαμβάνοντας ένα πλήθος εξελιγμένων αλγορίθμων, τεχνικών και μεθόδων, επιτυγχάνει την εφαρμογή της ανθρώπινης εγκεφαλικής συλλογιστικής διαδικασίας, μέσω αλγοριθμικών, σε κοινά υπολογιστικά συστήματα. Ως εκ τούτου, η μίμηση της εγκεφαλικής συλλογιστικής κατά την διαδικασία ελέγχου ενός οχήματος, από κάποιο υπολογιστικό σύστημα, προϋποθέτει την υλοποίηση και ενσωμάτωση πλήρων και εξελιγμένων αλγορίθμων μοντέλων που υλοποιούν το σύνολο των απαιτούμενων δραστηριοτήτων με χρήση αλγορίθμων, τεχνικών και μεθόδων Τεχνητής Νοημοσύνης, και ειδικότερα, Βαθιάς Μάθησης, η οποία αποτελεί το πλέον εξελιγμένο τομέα της Τεχνητής Νοημοσύνης που συντελεί στον αποτελεσματικό εντοπισμό προτύπων σε οπτικά περιβάλλοντα. Σκοπό της παρούσας μεταπτυχιακής διατριβής, αποτελεί αφενός η παρουσίαση και ανάλυση της τεχνολογίας που φέρουν τα αυτόνομα ρομποτικά οχήματα και αφετέρου, η υλοποίηση ενός εξελιγμένου αλγορίθμου Βαθιάς Μάθησης ο οποίος είναι σε θέση να εντοπίσει - μέσω των κατάλληλων οπτικών συστημάτων που φέρει ένα αυτόνομο ρομποτικό όχημα – τους πεζούς που βρίσκονται εντός του πεδίου ανάλυσης του οπτικού συστήματος. Τα πρώτα κεφάλαια της διατριβής αυτής, έχουν υλοποιηθεί εντός βιβλιογραφικού και αναφορικού πλαισίου ανάπτυξης, και περιλαμβάνουν τις θεματικές ενότητες που παρουσιάζουν τις βασικές έννοιες, τα ιστορικά στοιχεία εξέλιξης και τα δομικά συστήματα που αφορούν ένα αυτόνομο ρομποτικό όχημα. Εν συνεχεία, τα επόμενα κεφάλαια υλοποιούνται μέσα από ένα συνδυαστικό πλαίσιο βιβλιογραφικού περιεχομένου και περιεχομένου παρουσιαζόμενου μέσα από καταλλήλως δομημένα παραδείγματα που συντελούν στην περεταίρω κατανόηση των πραγματευομένων εννοιών. Τέλος, στο τελευταίο τμήμα της παρούσας διατριβής παρουσιάζεται η ανάπτυξη ενός αλγορίθμου Βαθιάς Μάθησης που πραγματοποιεί αναγνώριση πεζών καθώς και η παρουσίαση των αποτελεσμάτων εργαστηριακών δοκιμών αυτού αλλά και πρόταση πιθανών περιθωρίων περεταίρω βελτίωσης του αλγορίθμου αυτού με χρήση των σύγχρονων εργαλείων Τεχνητής Νοημοσύνης.	el
dc.format.extent	182	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.title	Αναγνώριση πεζών από αυτόνομο ρομποτικό όχημα με χρήση τεχνητής νοημοσύνης και τεχνικών βαθιάς μάθησης	el
dc.title.alternative	Autonomous robotic vehicle pedestrian detection using artificial intelligence and deep learning techniques	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής	el
dc.description.abstractEN	The adoption of modern technologies with the aim of improving and eliminating all the basic problems that afflict today's society, is a non-negotiable need for the modern scientific community. In the context of implementation of this philosophy, research and development of autonomous robotic vehicles will potentially result in the elimination of a multitude of problems facing humanity, while actively contributed decisively to the standard of living and the environment protection. The rapid progress made in recent years, both in the technology of autonomous robotic vehicles, and technology in general, due mainly to the equally rapid evolution that has made the field of Artificial Intelligence. Artificial Intelligence, including a multitude of sophisticated algorithms, techniques and methods, achieves the application of the human brain operation through algorithms to common computer systems. Therefore, the imitation of human cerebral function during a vehicle driving procedure, by a computer, requires the implementation and integration of complete and sophisticated modeling algorithms which implement all the required activities using algorithms, techniques and methods of Artificial Intelligence, particularly Deep Learning, which is the most advanced field of Artificial Intelligence that contributes to the effective identification of prototypes in visual environments. The aim of this dissertation is both the presentation and analysis of technology used in autonomous robotic vehicles, and secondly, the implementation of an advanced Deep Learning algorithm that is able to detect - through appropriate optical sensors used into an autonomous robotic vehicle - pedestrians within the analysis range of optical sensors. The first chapters of this dissertation have been implemented at bibliographic level, and include topics that present the basic concepts, historical evolution elements and structure systems for an autonomous robotic vehicle. Thereinafter, the following chapters are implemented through a combination of bibliographic and example-based content, that contributes to the further understanding of the presented concepts. In conclusion, the last part of this dissertation presents the development of a pedestrian detection Deep Learning algorithm, the results produced during algorithm testing procedure and also the proposal of possible further improvement points of this algorithm, based on the modern Artificial Intelligence tools.	el
dc.contributor.master	Πληροφορική	el
dc.subject.keyword	Ρομπότ	el
dc.subject.keyword	Robot	el
dc.subject.keyword	Autonomous Robot	el
dc.subject.keyword	Autonomous Robotic Vehicle	el
dc.subject.keyword	NN	el
dc.subject.keyword	CNN	el
dc.subject.keyword	DL	el
dc.subject.keyword	ΑΙ	el
dc.subject.keyword	RCNN	el
dc.subject.keyword	Αυτόνομο αυτοκίνητο	el
dc.subject.keyword	Αυτόνομο όχημα	el
dc.subject.keyword	Self-driving car	el
dc.subject.keyword	Artificial Intelligence Robot	el
dc.subject.keyword	Αναγνώριση πεζών	el
dc.subject.keyword	Μηχανική όραση	el
dc.subject.keyword	Μηχανική μάθηση	el
dc.subject.keyword	Τεχνητή νοημοσύνη	el
dc.subject.keyword	Νευρωνικά δίκτυα	el
dc.subject.keyword	Βαθιά μάθηση	el
dc.subject.keyword	Αναγνώριση προτύπων	el
dc.subject.keyword	Βαθιά συνελικτικά νευρωνικά δίκτυα	el
dc.subject.keyword	Ρομποτικό όχημα	el
dc.subject.keyword	Pedestrian detection	el
dc.subject.keyword	Machine vision	el
dc.subject.keyword	Machine learning	el
dc.subject.keyword	Artificial intelligence	el
dc.subject.keyword	Neural networks	el
dc.subject.keyword	Deep convolutional neural networks	el
dc.subject.keyword	Autonomous robot	el
dc.subject.keyword	Autonomous robotic vehicle	el
dc.subject.keyword	Artificial intelligence robot	el
dc.subject.keyword	Deep learning robot	el
dc.date.defense	2018-10-31

Αρχεία σε αυτό το τεκμήριο

Name:: Diamantis_MPPL13016.pdf
Μέγεθος:: 7.702Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Πληροφορικής
Department of Informatics

Εμφάνιση απλής εγγραφής

Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές