Αυτόνομο ρομποτικό όχημα με χρήση μηχανικής μάθησης και μηχανικής όρασης
Autonomous robotic vehicle using machine learning and machine vision
Θεματική επικεφαλίδα
TPSH::Επιστήμη Υπολογιστών::Τεχνητή Νοημοσύνη ; TPSH::Τεχνολογία::Αυτόματος Έλεγχος::ΡομποτικήΛέξεις κλειδιά
Αυτόνομα οχήματα ; Ρομποτικό όχημα ; Μηχανική μάθηση ; Μηχανική όραση ; Ενισχυτική μάθηση ; Time-of-Flight ; Q-Learning ; Αλγόριθμοι ORB ; FLANN μέθοδος ; Homography μέθοδος ; Τεχνητή νοημοσύνη ; ΡομποτικήΠερίληψη
Τα τελευταία χρόνια οι εξελίξεις στην Τεχνητή Νοημοσύνη και την Ρομποτική είναι ραγδαίες και τεράστιες. Στην εποχή μας εντοπίζονται αυτόνομα οχήματα που κυκλοφορούν στους δρόμους και αυτόνομα ρομποτικά οχήματα που χρησιμοποιούνται όχι μόνο για την εξερεύνηση του βυθού, αλλά και του διαστήματος. Παράλληλα, είναι διαθέσιμα στην αγορά ρομπότ που καθαρίζουν το σπίτι και κινητά τηλέφωνα που χρησιμοποιούν την Τεχνητή Νοημοσύνη για την αναγνώριση προσώπων και την λήψη καλύτερων φωτογραφιών. Στην παρούσα πτυχιακή εργασία σχεδιάζεται και υλοποιείται ένα αυτόνομο ρομποτικό όχημα, που πλοηγείται στο περιβάλλον του για τον εντοπισμό και την προσέγγιση ενός συγκεκριμένου αντικειμένου χρησιμοποιώντας Μηχανική Μάθηση και Μηχανική Όραση. Το αυτόνομο ρομποτικό όχημα μέσω του αισθητήρα αποστάσεως Time-of-Flight που διαθέτει, μαθαίνει να κινείται στο περιβάλλον του χρησιμοποιώντας τον αλγόριθμο Q-Learning της Ενισχυτικής Μάθησης. Για τον εντοπισμό του αντικειμένου διαθέτει κάμερα και χρησιμοποιεί τον αλγόριθμο ORB, την μέθοδο FLANN και την Homography. Η επίτευξη της εργασίας του αυτόνομου ρομποτικού οχήματος πραγματοποιήθηκε έπειτα από πολλαπλά πειράματα τα οποία και παρουσιάζονται αναλυτικά.
Περίληψη
In recent years, developments in Artificial Intelligence and Robotics have been rapid and enormous. Nowadays, autonomous vehicles are found on the roads and autonomous robotic vehicles used not only to explore the seabed, but also to explore space. At the same time, robots for home cleaning and cell phones that use Artificial Intelligence to recognize faces and take better photos are available in the market. In this thesis presents the design and implementation of an autonomous robotic vehicle, which navigates its environment to detect and approach a specific object using Machine Learning and Machine Vision. The autonomous robotic vehicle through its Time-of-Flight distance sensor learns to move around its environment using Q-Learning algorithm of Reinforcement Learning. To detect the object it has camera and uses ORB algorithm, FLANN method and Homography. The work of autonomous robotic vehicle was accomplished after multiple experiments which are presented in detail.
Αριθμός σελίδων
126Σχολή
Σχολή Τεχνολογικών ΕφαρμογώνΑκαδημαϊκό Τμήμα
Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.Γλώσσα
Ελληνικά
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα