Aplicación de aprendizaje profundo en la identificación de obstáculos en el trayecto de vehículos
Application of deep learning in the identification of obstacles in the vehicle path
Citación
Date
2018-06-29Author
Alfonso García, Brayan Steven
Obtained degree
Ingeniero en Mecatrónica
Ingeniero en Mecatrónica
Key words
; algoritmos geneticos; redes neurales (computadores); programacion paralela (computadores electronicos)
Metadata
Show full item record
Documents PDF
Abstract
En el presente documento se expone el proceso de desarrollo de un algoritmo del campo de inteligencia artificial de redes neuronales en donde se hace aplicación del deep learning para el reconocimiento de posibles obstáculos en una imagen en un trayecto controlado como objetivo principal.Como primer medida para el reconocimiento de obstáculos, se desarrollan una serie de detectores basados en redes neuronales convolucionales, específicamente el detector basado en R-CNN en el entorno de MATLAB, desarrollando y documentando dos pruebas de detector por cada obstáculos propuestos (Personas, árboles y carros), así finalmente según estos resultados proponer un detector final con las 3 categorías integradas. Finalmente para la generación de la trayectoria en las imágenes propuestas de un trayecto controlado en las instalaciones de la Universidad Militar Nueva Granada, se aplica un algoritmo genético qué posee como restricción los obstáculos detectados para la generación de la mencionada trayectoria. Durante el desarrollo del trabajo según los resultados obtenidos, se hará una breve descripción de los mismos, que así permitan realizar conclusiones en base a ellos.
In the present document the process of development of an algorithm of the field of artificial intelligence of neural networks is exposed where deep learning is applied for the recognition of possible obstacles in an image in a controlled path as main objective. As a first measure for the recognition of obstacles, a series of detectors based on convolutional neural networks are developed, specifically the detector based on R-CNN in the MATLAB environment, developing and documenting two detector tests for each obstacle proposed (People, trees and cars), so finally according to these results propose a final detector with the 3 integrated categories. Finally, for the generation of trajectory in the proposed images of a controlled path in the facilities of the Universidad Militar Nueva Granada a genetic algorithm is applied which has as a restriction the obstacles detected for the generation of the aforementioned trajectory. During the development of the work according to the results obtained, a brief description of them will be made, which will allow to make conclusions based on them.
Collections
- Ingeniería Mecatrónica [216]