Mély gépi tanuláson alapuló objektumfelismerés városi Lidar pontfelhőkön

OData támogatás
Konzulens:
Dr. Harmati István
Irányítástechnika és Informatika Tanszék

A tudomány és technológia számos területén jelentős eredményeket érnek el mesterséges intelligencia alapú módszerek, különösen a napjainkban egyre népszerűbb mély tanulás. Az egyik legaktívabban fejlesztett alkalmazási terület az autonóm autók. Egy ilyen rendszerben elsődleges fontosságú a számos különböző szenzor jelei alapján intelligensen működő döntéshozó vagy döntést segítő algoritmusok megléte. A fejlesztési szakaszban lévő autonóm autók gyakori tartozéka a lézeres alapokon működő LIDAR szenzor. Az eszköz által generált háromdimenziós pontfelhők mesterséges intelligencia alapú feldolgozása egy aktívan kutatott feladat.

Egy publikusan elérhető kutatási anyag alapján saját megközelítést írok le a pontfelhő objektumok mély tanulás alapú osztályozására. Definiálok és implementálok egy, a pontfelhőket kétdimenziós képpé konvertáló algoritmust, melyet hengeres projekciónak nevezek el. A mély tanulás alapfüggvényeit tartalmazó programkönyvtárra építve létrehozok egy keretrendszert, mellyel mesterséges intelligencia modelleket tudok tanítani hengeres projekcióval képpé alakított pontfelhő objektumok osztályozására.

Meghatározok három, különböző komplexitású modellt, melyeket tanítani fogom a feladat elvégzésére. A modellek struktúrájának és a tanítási algoritmus paramétereinek optimalizálását szisztematikusan elvégzem. A számos kísérlet eredménye minden modell esetén egy ideálisan beállított tanító algoritmus és egy, az adott típusú modellek közül legjobb eredményt elért példányt leíró fájl.

A betanult modellek átlagos osztályozási pontosságát és az egyes objektum osztályok külön-külön vett felismerési képességét is vizsgálom. A korábbi, klasszikus osztályozási módszerekkel produkált eredményekhez képest jelentős pontosság növekedést érek el mindhárom alkalmazott modell esetén.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.