Önvezetésben alkalmazott felhő alapú képfeldolgozás hatékonysága
Manapság egyre növekvő jelentőséggel bírnak az önvezető járművek a közlekedésben, és ebben kiemelt szerepet játszik a képfelismerés technológiája. Egy lehetséges módszer a megvalósításra, hogy a járművön elhelyezünk szenzorokat, például radarokat és kamerákat, amelyek felelősek az adatok begyűjtéséért. A képfeldolgozást egy szoftver végzi, amely a mesterséges intelligencia és a neurális hálózatok segítségével határozza meg a környezeti viszonyokat és közlekedési helyzeteket. A folyamat lezajlása után az eredmény figyelembevételével avatkozik be a vezető. A képfeldolgozó szoftver futhat lokálisan és a felhőben is, TDK dolgozatomban utóbbit vizsgáltam.
Kutatásomban azzal foglalkoztam, hogy az adatok feldolgozása a felhőben, különböző paraméterek mellett milyen hatékonysággal kivitelezhető. Lokálisan is végezhetnénk az adatelemzést, ha olyan dolgokat vizsgálnánk az utakon, amelyek ritkán változnak (ilyenek lehetnek például a közlekedési táblák, jelzőlámpák, útfestések), így kisebb méretű neurális hálózat is hatékonyan tudna működni. A közlekedésben azonban sokkal jellemzőbb, hogy folyamatosan változó objektumokat kell felismerni (például városkép, közlekedésben részt vevő járművek, ugyan itt közlekedési táblák különböző időjárási helyzetekben), amihez már egy dinamikusan növekvő neurális hálózatra van szükségünk - ez lokálisan futtatva viszont már nem praktikus. A folyamatosan bővülő háló több szempontból előnyös. A felismerés hatékonysága nem konstans, hanem javuló tendenciát mutatott, ennek következtében kiterjeszthető a feladatkör több közlekedési helyzet elemzésére, amely növelheti az utasok biztonságát.
A felhő alapú adatfeldolgozás során vizsgáltam, hogy mekkora adatátvitel szükséges a videó- és képanyag továbbításához, különböző videó sávszélességek és frissítési ráta értékek mellett elemeztem a működést, mértem a késleltetést, és kerestem az optimális paraméter értékeket, amelyek mellett még hatékonyan értelmezni lehet az eredményt.
szerző
-
Mészáros Jakab
Villamosmérnöki szak, alapképzés
alapképzés (BA/BSc)
konzulens
-
Dr. Fehér Gábor
Egyetemi docens, Távközlési és Médiainformatikai Tanszék
