Neurális háló alapú 3D térképező algoritmus fejlesztése autonóm robothoz.
Mind az emberek, mind a robotok számára elengedhetetlen a környezettel történő interakció. Az interakciók szabályozáshoz szükséges a környezetünk megfelelő ismerete, tehát annak feltérképezése. Ezen feladatra megannyi megoldás került kifejlesztésre az elmúlt években, melyek nagyban különböznek a környezet érzékelésére használt eszközök függvényében.
Az egyik legsokrétűbb szenzor a kamera, melyhez kifejlesztett algoritmusok közül a legismertebb és legelterjedtebb SLAM (Simultaneous Localization and Mapping) és annak továbbfejlesztett algoritmusai. Ahogy az az algoritmus nevéből is sejthető, ezen módszerek egy 3D térkép elkészítését és abban való navigálást teszik lehetővé. A 2000-es évek óta folyamatosan fejlődő algoritmusok nemrégiben új lendületre kaptak, inspirációt kapva a NeRF (Neural Radiance Fields) 3D rekonstrukciós technikából. Ezen inspiráción az elmúlt időszakban dinamikusan fejlődő neurális háló alapú megoldások nagyban különböznek abban, hogy pontosan milyen struktúrában írják le a környeztet és milyen szenzorok segítségével érzékelik azt.
A dolgozatban egy a NeRF által inspirált algoritmus kerül továbbfejlesztésre, valamint a valós tesztelhetőség kedvéért egy autonóm jármű segítségével került implementálásra. A dolgozatban a szakirodalomban található megközelítések áttekintése mellett azok előnyei és hátrányai is bemutatásra kerülnek. A választott módszert elemezve új módszer kerül kidolgozásra, mely kihasználja, hogy az RGB-D kamerán túl más mérési eszközökkel is felszerelt roboton történt az implementálás.
A dolgozatomban vizsgálom a választott és továbbfejlesztett algoritmus előnyeit és hátrányait, alkalmazhatóságát illetve teljesítménybeli szempontokat is figyelembe veszek.
szerző
-
Fekete Balázs
Villamosmérnöki szak, mesterképzés
mesterképzés (MA/MSc)
konzulens
-
Dr. Szemenyei Márton
Adjunktus, Irányítástechnika és Informatika Tanszék
