8165

ناوبري بصري تك‌دوربينه مبتني بر رويكردهاي يادگيري عميق

كارشناسي

مهندسي كامپيوتر

1401

دكتر محمدرضا محمدي

دكتر محسن سرياني

1401/08/14

مهندسي كامپيوتر

Monocular Visual Odometry through Unsupervised Deep Learning

توسعه يك سامانه ناوبري يكي از چالش‌هاي اصلي در ساخت يك سامانه خودمختار است. يك سامانه ناوبري به منظور اينكه كاملا خودمختار باشد نياز دارد كه نه تنها در يك موقعيت عالي كه سيگنال‌هاي GPS كاملا واضح هستند، بلكه در شرايطي كه سيگنال‌هاي GPS غيرقابل اعتماد است هم به كار خود ادامه دهد. از اين رو، اخيراً سيستم‌هاي ناوبري خودكار توجه زيادي را به خود جلب كرده‌اند. روش‌هاي ناوبري به پنج نوع اصلي، يعني چرخي، اينرسي، ليزري، راداري و بصري طبقه‌بندي مي‌شوند كه اين دسته‌بندي براساس نوع داده‌هاي حسگر مورد استفاده براي ناوبري است. ما در اين مقاله يك سيستم ناوبري ‌بصري تكدوربينه مبتني‌ بر رويكردهاي يادگيري ‌عميق به نام UnDeepVO را ارائه و بررسي مي‌كنيم. در اين مقاله فرض بر اين است كه ربات تنها به يك دوربين مجهز است. چالش اصلي براي مسئله ناوبري بصري، پارامتر مقياس است كه بايد بدرستي تخمين زده شود. UnDeepVO قادر است وضعيت شش‌درجه‌آزادي دوربين تك‌چشمي و عمق ديد آن را با استفاده از شبكه‌هاي عصبي عميق تخمين بزند. دو ويژگي برجسته در اين روش پيشنهادي وجود دارد: يكي طرح يادگيري عميق بدون نظارت و ديگري بازيابي پارامتر مقياس. در اين سيستم فرآيند آموزش را با استفاده از تصاوير استريو انجام مي‌دهيم، اما آن را با استفاده از تصاوير تك‌چشمي متوالي آزمايش مي‌كنيم. بنابراين، UnDeepVO يك سيستم تك‌دوربينه است. توابع ضرر تعريف‌شده براي آموزش شبكه‌ها بر اساس اطلاعات ‌مكاني و زماني است. آزمايش‌ها روي مجموعه داده KITTI نشان مي‌دهد كه UnDeepVO از نظر موقعيت و چرخش نسبت به ساير روش‌ها دقت بالاتري كسب كرده است.

ناوبري بصري , شبكه‌هاي عصبي عميق , شبكه عصبي , پردازش تصوير , بينايي كامپيوتر , شبكه‌هاي كانولوشني , شبكه‌هاي پيچشي , يادگيري عميق , يادگيري ماشين , يادگيري بدون ناظر , ناوبري بصري , ناوبري , كيلومتر شماري , Deep Learning , Visual Odometry , Convolutional Neural Network , Unsupervised Learning , Computer Vision , Image processing