A carregar...
Publicação
Maritime Object Detection using Deep Learning for USV
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 32.41 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Deep Learning has been well known in the field of computer vision for its accuracy
in detecting objects in images and videos streams; its has been being use for UAVs to
detect objects in mid-air, or in self-autonomous cars, which are becoming a reality in
the upcoming years. However, there have been a lack of research done with Unmanned
Surface Vehicles (USV), used in maritime environments, in comparison with the other
two fields mentioned before.
These happens due to the harsh environment on the sea and the lack of specialized
datasets, making it difficult to train deep learning algorithms that can detect and identify
objects with high accuracy. Also, implementing an system with autonomous capabilities
also comes with many difficulties regarding autonomy and performance, given the high
computing power they need to operate. Nonetheless, the creation of an autonomous vehi-
cle that is capable to recognize object in water bodies is of great importance in presents
days, as it will greatly reduces cost for companies trying to help clean the ocean, or
coastguard to save people lives, among many others use case scenarios.
The study proposes the implementation of an perception pipeline for an USV based
on a Deep Learning models, that will allow the system to identify obstacles and react
accordingly, as well as keep track of the objects. First, an analysis on several object detec-
tion models was made. After this, the deep learning models to be trained (if necessary)
needed to be chosen. For this, tests were made in order to assert which framework yielded
better results and, after choosing the best model, some modifications were made in order
to guaranteed optimal results. The same was done for the tracker that will be used in the
system. Then, once the model was chosen, the integration of the model and tracker into
the robotic system of the USV needed to be implemented by using a perception pipeline,
capable of communicating with other modules of the system.
No campo de visão de computadores, Deep Learning é conhecido pela sua eficacia na deteção de objetos em imagens e videos, sendo usado por UAV para detetar objetos no ar ou no desenvolvimento de carros autonomous, que estão-se a transformar numa realidade eminente nos proximos anos. Contudo, no campo de Unmanned Surface Vehicles (USV), usados em ambientes maritimos, tem havido um atraso considerável em comparação com os outros dois campos mencionados anteriormente. Isto deve-se principalmente a dificuldade em treinar os algoritmos deep learning que possam detetar, rastrear e reconhecer objectos encontrados no mar devido as dificies condições de ambientais, assim como tambem a falta de datasets aptos para treinar os modelos. Desenvolver vehiculos autonomos tambem é um desafio relativamente a au- tonomia e desenpenho, devido ao alto poder computacional que é precisso. Contudo, a criação de um vehiculo autonomo para ambientes maritimos é de grande importancia no presente, já que seria possivel reduzir custos para empresas encrregadas de limpar oceanos, ou para ajudar os guardas costeiros resgatar pessoas, por exemplo. Este estudo propõe a implementação de um sistema para detecção e rastreamento de objetos para um USV baseado num modelo de Deep learning, que permitirá ao sistema identificar um obstáculo e reagir de acordo, assim como também rastrear o mesmo. Em primeiro lugar, foi feita uma análise para perceber quais os possíveis modelos que se adequam melhor para o propósito do projeto. A seguir, o modelo a ser treinado (se neces- sário) tinha de ser escolhido. Logo, foram realizados diferentes testes para perceber qual modelo tinha melhores resultados e, após escolher, algumas alterações foram feitas para garantir um bom desempenho. O mesmo foi feito para o algoritmo de rastreamento. Fi- nalmente, foi preciso implementar o sistema através de um pipeline de percepção, capaz de comunicar com outros elementos do sistema.
No campo de visão de computadores, Deep Learning é conhecido pela sua eficacia na deteção de objetos em imagens e videos, sendo usado por UAV para detetar objetos no ar ou no desenvolvimento de carros autonomous, que estão-se a transformar numa realidade eminente nos proximos anos. Contudo, no campo de Unmanned Surface Vehicles (USV), usados em ambientes maritimos, tem havido um atraso considerável em comparação com os outros dois campos mencionados anteriormente. Isto deve-se principalmente a dificuldade em treinar os algoritmos deep learning que possam detetar, rastrear e reconhecer objectos encontrados no mar devido as dificies condições de ambientais, assim como tambem a falta de datasets aptos para treinar os modelos. Desenvolver vehiculos autonomos tambem é um desafio relativamente a au- tonomia e desenpenho, devido ao alto poder computacional que é precisso. Contudo, a criação de um vehiculo autonomo para ambientes maritimos é de grande importancia no presente, já que seria possivel reduzir custos para empresas encrregadas de limpar oceanos, ou para ajudar os guardas costeiros resgatar pessoas, por exemplo. Este estudo propõe a implementação de um sistema para detecção e rastreamento de objetos para um USV baseado num modelo de Deep learning, que permitirá ao sistema identificar um obstáculo e reagir de acordo, assim como também rastrear o mesmo. Em primeiro lugar, foi feita uma análise para perceber quais os possíveis modelos que se adequam melhor para o propósito do projeto. A seguir, o modelo a ser treinado (se neces- sário) tinha de ser escolhido. Logo, foram realizados diferentes testes para perceber qual modelo tinha melhores resultados e, após escolher, algumas alterações foram feitas para garantir um bom desempenho. O mesmo foi feito para o algoritmo de rastreamento. Fi- nalmente, foi preciso implementar o sistema através de um pipeline de percepção, capaz de comunicar com outros elementos do sistema.
Descrição
Palavras-chave
Deep Learning Computer Vision USV Object Detection CNN Tracking