dc.contributor.advisor | Chatzopoulos, Avraam | |
dc.contributor.author | Πετρούλιας Μεϊμέτης, Γεώργιος | |
dc.date.accessioned | 2021-03-08T10:35:49Z | |
dc.date.available | 2021-03-08T10:35:49Z | |
dc.date.issued | 2021-03-01 | |
dc.identifier.uri | https://polynoe.lib.uniwa.gr/xmlui/handle/11400/300 | |
dc.identifier.uri | http://dx.doi.org/10.26265/polynoe-151 | |
dc.description.abstract | Η παρούσα διπλωματική εργασία ενασχολείται με τον σχεδιασμό και την υλοποίηση κατασκευής ικανής να πλοηγείτε αυτόνομα σε προσπελάσιμο δρόμο αφού τον αναγνωρίσει επιτυχώς, κάνοντας χρήση οπτικής πληροφορίας η οποία αναλύεται από τεχνητό νευρωνικό δίκτυο νευρώνων με συνάρτηση ενεργοποίησης ακτινικής βάσης. Το κατασκευασμένο όχημα κινείται σε πραγματικό και όχι προσομοιωμένο περιβάλλον και αποπειράται να αντιληφθεί το «δρόμο» όπως και κάποιος οδηγός που κοιτάζοντας, αντιλαμβάνεται ποιο μέρος του οπτικού του πεδίου αντιστοιχεί σε οδόστρωμα και στρέφει το όχημα του προς την ανάλογη κατεύθυνση. Έτσι και η κατασκευή, μετά την οπτική αναγνώριση στρέφεται προς αντίστοιχη κατεύθυνση. Γίνεται εκτενής χρήση συναρτήσεων της βιβλιοθήκης Υπολογιστικής Όρασης OpenCV για την διαμόρφωση και αξιοποίηση της ληφθείσας οπτικής πληροφορίας. | el |
dc.format.extent | 47 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Δυτικής Αττικής | el |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές | * |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/deed.el | * |
dc.subject | Μηχανική όραση | el |
dc.subject | Raspberry Pi | el |
dc.subject | RBF | el |
dc.subject | OpenCV | el |
dc.subject | Αυτόνομα οχήματα | el |
dc.subject | Νευρωνικά δίκτυα | el |
dc.subject | Ακτινική συνάρτηση ενεργοποίησης | el |
dc.title | Κατασκευή αυτοκινούμενου οχήματος προορισμένου για οδήγηση σε οδούς χωρίς διαγράμμιση αξιοποιώντας λαμβανόμενη εικόνα και τεχνητό νευρωνικό δίκτυο για την ανάλυσή της | el |
dc.title.alternative | Autonomous vehicle construction purposed for moving through road surfaces without line markings, making use of video feed analyzed by neural network | el |
dc.type | Διπλωματική εργασία | el |
dc.contributor.committee | Παπουτσιδάκης, Μιχαήλ | |
dc.contributor.committee | Drosos, Christos | |
dc.contributor.faculty | Σχολή Μηχανικών | el |
dc.contributor.department | Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής | el |
dc.description.abstracttranslated | This thesis ‘s subject is the planning and construction of a vehicle able to autonomously navigate road that is successfully recognized via optical means, analyzed by an artificial neural network constituted of neurons with Radial Basis activation Function (RBF). The vehicle is designed for use in real environments where it attempts to perceive the road as a driver would, by seeing, understanding where the drivable road is and leading the vehicle to the correct direction. Like so the built project will drive to the corresponding direction after analyzing the environment. The Computer Vision OpenCV library is extensively used throughout the project for formatting and making the received motion picture suitable for analysis. | el |