عنوان

تشخیص خودکار چراغ راهنمایی برای خودروهای بدون راننده با استفاده ازیک رویکرد مبتنی بر یادگیری ماشین,‮‭Automatic Recognition of Traffic Lights fot Self-Driving Cars using a Machine Learning- based Approach‬

Number

‭۲۱۰۴۴پ‬

.Language of Text, Soundtrack etc

per

Title Proper

تشخیص خودکار چراغ راهنمایی برای خودروهای بدون راننده با استفاده ازیک رویکرد مبتنی بر یادگیری ماشین

Parallel Title Proper

‮‭Automatic Recognition of Traffic Lights fot Self-Driving Cars using a Machine Learning- based Approach‬

First Statement of Responsibility

/حمیدرضا اشرفی پور

Name of Publisher, Distributor, etc.

: فناوری های نوین

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۶‬

Name of Manufacturer

، راشدی

Specific Material Designation and Extent of Item

‮‭۸۰‬ص‬

Text of Note

چاپی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی مکاترونیک گرایش مهندسی مکاترونیک

Date of degree

‮‭۱۳۹۶/۰۶/۲۰‬

Body granting the degree

تبریز

Text of Note

یک خودروی بدون راننده در حقیقت یک وسیله نقلیه خودکار است که برخلاف خودروهای سنتی نیازی ندارد تا یک انسان آن را کنترل کند .هدف اصلی از تحقیقات در این زمینه، تولید خودروهای خودکاری است که بتوانند عملکردی به مراتب بهتر از خودروهایی که توسط با دقت ترین و ماهرترین راننده‌صها کنترل می‌صشوند داشته باشند که نتیجه آن طبیعتا کاهش قابل ملاحظه تصادفات جاده‌صای و شهری خواهد بود .با توجه به اهمیت موضوع و پیچیدگی فوق‌صالعاده زیاد سیستم‌صهای هدایت خودکار، اجزای چنین سیستم‌صهایی مدام در حال بهبود بوده و قابلیت‌صهای جدیدی به آن‌صها اضافه می‌صشود تا به فرم ایده‌صآل نزدیک شوند .یکی از قابلیت‌صهایی که سیستم هدایت خودکار خودرو در محیطصهای شهری باید داشته باشد، تشخیص چراغ راهنمایی است چرا که در غیر اینصورت بروز تصادفات متعدد به علت ورود ناخواسته خودرو به تقاطع‌صها امری اجتناب‌صناپذیر خواهد بود .تاکنون تکنیک‌صهای مختلفی برای تشخیص چراغ راهنمایی ارائه شده‌صاند که عمدتا از الگوریتم‌صهای بینایی ماشین بهره می‌صبرند .رویکرد پیشنهادی در این پایان‌صنامه، استفاده از شبکه‌صهای عصبی عمیق از نوع شبکه عصبی کانولوشن است .این شبکه با استفاده از دسته تصاویر آموزشی، آموزش دیده تا در مرحله تشخیص، بردار ویژگی تصاویر را استخراج کرده و در نهایت آن بردارها را دسته‌صبندی کند .در نهایت از مقایسه نتایج این پایان‌صنامه با نتایج پژوهشی دیگر که از پایگاه تصاویر آموزشی مورد استفاده در همین پایان‌صنامه بهره برده است، مشاهده می‌صگردد دقت تشخیص توسط روش پیشنهادی این پایان‌صنامه بهبود یافته است .همچنین توصیه می‌صشود در پژوهش‌صهای آتی مرتبط با این زمینه، جهت تشخیص سایر عوارض محیطی پیرامون خودرو، نظیر تابلوهای راهنمایی و رانندگی و عابرین پیاده از روش پیشنهادی بهره برده شود

Text of Note

An autonomous car is indeed an automatic transport vehicle, which is not required to be controlled by a human unlike traditional vehicles. The main goal of researches in this field is to produce automatic vehicles which can perform better than the vehicles controlled by the most skilled drivers that results in significant reduction in road and urban car accidents. Considering the importance of the mentioned subject and intense complexity of auto pilot systems, the components of these systems are enhanced and new features are added constantly in order to achieve optimum results. One of the must have features in Auto-Pilot systems of vehicles is recognition of traffic lights, in order to avoid accidents caused by unwanted entrance of the vehicle in to intersections. Several traffic light recognition techniques are presented until now, which mostly benefit from machine vision algorithms. The recommended approach in this thesis is to exploit a deep neural network named Faster Region based Convolutional Neural Network. This network is trained using a set of training images in order to achieve feature vectors and finally to classify forsaid vectors

Parallel Title

‮‭Automatic Recognition of Traffic Lights fot Self-Driving Cars using a Machine Learning- based Approach‬

اشرفی پور، حمیدرضا

HamidrezaLast, Ashrafipour

Public note

سیاه و سفید

نمایه‌سازی قبلی