7919

موقعيت يابي دوربين با استفاده از يادگيري عميق

كارشناسي

مهندسي برق-الكترونيك

1401

دكتر محمدرضا موسوي ميركلايي

1401/06/18

مهندسي برق

Deep Learning for Visual Odometry Navigation System

اين پايان نامه به بررسي مسئله‌ي ادومتري بصري مي پردازد. بسياري از الگوريتم هاي موجود براي حل اين مسئله از روش هاي هندسي استفاده مي كنند. اين الگوريتم ها شامل مراحل مختلفي مانند استخراج ويژگي، تطبيق ويژگي، تخمين حركت، بهينه سازي محلي و ... هستند. براي كاركرد صحيح اين الگوريتم ها در محيط هاي مختلف، نياز به طراحي دقيق در آن محيط است. علاوه بر آن، بازيابي مقياس با استفاده از تصاوير تك چشمي، كار ساده اي نيست. با پيشرفت يادگيري عميق در تشخيص ويژگي از داده هاي تصويري، اين پايان نامه تلاش دارد تا به بررسي استفاده از مدل هاي يادگيري عميق به حل مسئله بپردازد. يك ساختار بر پايه ي شبكه ي كانولوشني عميق استفاده شده است تا به استخراج ويژگي از تصاوير بپردازد و سپس با استفاده از شبكه ي عصبي بازگشتي به مدل سازي رابطه ي زماني بين تصاوير متوالي پرداخته مي شود. روش پيشنهادي فقط با استفاده از تصاوير خام رنگي به استخراج مستقيم موقعيت دوربين با 6 درجه آزادي مي-پردازد. آزمايش هاي مختلف بر روي پايگاه داده KITTI نشان مي دهد، اين روش مي تواند به دقت قابل قبولي نسبت به الگوريتم هاي هندسي موجود برسد و به عنوان يك مكمل در كنار آن ها قابل استفاده است

ادومتري بصري , ناوبري , يادگيري عميق , شبكه عصبي كانولوشني , شبكه عصبي بازگشتي