22291

ناوبري ربات متحرك با رويكرد پرهيز از موانع در محيط هاي ناشناخته با استفاده از روش يادگيري عميق

كارشناسي ارشد

كنترل

1396

1399/03/19

دكتر عليرضا محمدشهري

برق

در اين پايان نامه به بررسي مسئله پرهيز از برخورد ربات با موانع در محيط هاي نا شناخته پرداخته شده است. براي انجام يك مأموريت توسط ربات، نيازمند آن هستيم تا ربات با موفقيت مسير را طي كرده و در حين انجام مأموريت با موانع برخورد نكند. در روش ارائه شده در اين پژوهش، يك شبكه عصبي عميق تحت روش يادگيري انتقالي به نحوي آموزش ديده است تا به محض ديدن موانع جديد قادر باشد تا جهت امن براي حركت ربات را مشخص كند. هر تصوير بر حسب محل قرار گيري مانع برچسب دهي شده است و شبكه داده هاي جديد را برحسب اين داده هاي آموزش ديده دسته بندي خواهد كرد. براي بهبود عملكرد شبكه عصبي، از روش هاي مختلفي استفاده شده است كه از جمله مهم ترين آن ها استفاده از نرخ يادگيري متغير در طول مدت آموزش ميباشد. بعد از عبور از موانع با استفاده از نتايج شبكه عصبي عميق، ربات با مقايسه موقعيت كنوني خود و نقطه هدف، به نحوي حركت ميكند تا در راستاي نقطه هدف قرار بگيرد. روش هاي مبتني بر بينايي از جمله جديد ترين و محبوب ترين روش هاي استفاده شده در حل مسئله پرهيز از برخورد با موانع ميباشند اما اين روش ها به عوامل محيطي مانند كم و زياد شدن نور حساس بوده و عملكرد آن ها در صورت به وجود آمدن چنين تغييراتي در محيط گاها" با اختلال مواجه ميشود اما به علت توانمندي روش هاي مبتني بر بينايي در استخراج اطلاعات با جزئيات بسيار زياد از محيط، از روشي مبتني بر بينايي در اين پژوهش استفاده شده است.

1399/05/21

Mobile robot navigation and obstacle avoidance in unknown environments using deep learning algorithm

6/8/2020 12:00:00 AM

the obstacle avoidance problem in mobile robot navigation is discussed in this thesis. to make sure that the robot is capable of doing a mission safely in the unknown environment we need the robot to communicate with the environment very well and make a correct decision in case of any disaster such as facing an obstacle in the path. a deep neural network is trained to act as the decision-making unit in case of detecting any obstacle. variant approaches have been used to improve the neural network performance and the most effective one was using an adjustable learning rate. The robot uses a deep neural network to avoid colliding into any obstacle and then it will use the Go to Goal algorithm to reach the Goal point, when the obstacle is completely rejected. since the vision-based obstacle avoidance algorithms have lots of advantages, lots of researchers are using them in different projects and they are going to be more popular every day. although they have some weaknesses (such as sensitivity to Lighting) but still they are one of the most popular methods in obstacle avoidance and obstacle detection problems. the used method in this work is completely vision-based and a mono-vision camera is the only way of communication with the environment.