témavezető: Gulyás László
helyszín (magyar oldal): Eötvös Loránd Tudományegyetem, Informatikai Kar helyszín rövidítés: ELTE
A kutatási téma leírása:
A környezet- és objektumészlelés elengedhetetlen az önvezető járművek esetében. A jelenlegi leginkább használható videó alapú érzékelési mód azonban önmagában már nem elegendő összetett és változó környezet felismerésére és reprezentációjára. A dolgozat a kamera fényérzékelésével és LiDAR vagy radar alapú rendszerei jeleinek kombinációjával javasolja megvalósítani a környezet és a lehetséges (dinamikus vagy statikus) objektumok 3D-s modelljének létrehozását. Ennek a szenzorfúziónak a fő előnye a jobb, pontosabb objektumábrázolás a különböző felhasználási esetekre. A szenzorfúzió során különleges hangsúlyt kell fektetni a projektív leképezési technika használatára.
A szkennelt környezet és események szemantikai értelmezésével olyan detektálási keretrendszer érhető el, amely nagy valós idejű kapacitással és robusztussággal bír. A LiDAR, az optikai kamerák és más érzékelők fúziója nagy pontosságú 2D és mélységérzékelést biztosít az optikai kamerák képeihez regisztrált 3D pontfelhők segítségével. A megszerzett adatok lehetőséget adnak arra, hogy részlegesen felismerjük a környezetet, struktúrákat és tárgyakat, amelyek megerősíthetők az azonos vagy különböző járművekből származó különböző képforrások fúziójával vagy egyéb akadályokkal a vezető nélküli rendszerekben. Ez a kutatómunka megpróbálja javítani a 2D/3D ábrázolás pontosságát és a javasolt keretrendszer robusztusságát a mélytanulási hálózatok és a hagyományos geometriai alapú módszerek előnyeinek kombinálásával. A kutatási téma számos területet ölel fel, elsősorban a robotlátást és a 3D felismerést a környezet megértéséhez. Ezen felül érinti a robotlátás-alapú kommunikációt, az adatfúziót és a meglévő valószínűség-erősítést. Természetesen kapcsolódik az autonóm vezetéshez szükséges szenzorhálózathoz is.
Kulcsszavak: robotlátás, robotlátás alapú kommunikáció, autonóm vezetés, szenzorhálózat, 3D felismerés, szimultán lokalizáció és leképezés (SLAM), gráfelmélet.
előírt nyelvtudás: Angol ajánlott nyelvtudás (magyar oldal): magyar további elvárások: SW: python (Numpy, Pandas, Matplotlib), gépi tanulás TensorFlow, SKLearn, Pytorch, Keras, optional system development: Spark
Bejelentkezés
