Дослідження методів, моделей та інформаційних технологій розпізнавання об’єктів роботоавтомобілем при його русі

Abstract

Мета дослідження полягає у підвищенні точності розпізнавання рухомих об'єктів роботизованим автомобілем для точного визначення та прогнозування руху інших об'єктів на дорозі, безпечної та плавної їзди за рахунок дослідження методів та проєктування та розробки програмних компоненті для системи розпізнавання рухомих об’єктів. Об'єкт дослідження – системи розпізнавання об’єктів у роботизованих автомобілях. Предмет дослідження: методи та засоби побудови систем розпізнавання рухомих об’єктів для управління роботизованим автомобілем. Метод дослідження – комплексний аналіз існуючих алгоритмів виявлення об'єктів, розробка та тренування моделей глибокого навчання на базі архітектури YOLO, експериментальна верифікація та порівняння ефективності різних моделей. Робота включає аналіз існуючих досліджень, розробку програмних компонентів, тренування моделей глибокого навчання, аналіз роботи системи. Магістерська робота присвячена розробці інтелектуальної системи виявлення рухомих об'єктів у реальному часі за допомогою алгоритмів YOLO, що є важливим елементом систем комп'ютерного зору для роботизованих автомобілів. Мета роботи полягає у підвищенні точності розпізнавання рухомих об'єктів для ефективного визначення та прогнозування їх траєкторій, що забезпечить підвищення безпеки дорожнього руху. Об'єктом дослідження виступають системи виявлення об'єктів у роботизованих автомобілях, а предметом — методи та засоби побудови цих систем. У роботі розглядаються функціональні та нефункціональні вимоги до таких систем, а також аналізується системна архітектура, включаючи модулі введення, виявлення об'єктів та генерації попереджень. Розроблено програмні компоненти та проведено дослідження розробленої системи, показавши ефективність комбінованого використання алгоритмів для виявлення рухомих об'єктів у різних умовах. Дослідження має значний практичний потенціал, оскільки його результати можуть бути застосовані для оптимізації систем автономного управління транспортними засобами, забезпечуючи високу точність та швидкість реагування, необхідні для безпеки дорожнього руху. Теоретична цінність роботи полягає в розвитку наукових підходів до побудови інтелектуальних систем виявлення об'єктів, що може послужити основою для подальших досліджень у цій області. Результати можуть бути використані при викладанні дисциплін, пов'язаних зі штучним інтелектом, машинним навчанням та робототехнікою. Наукова новизна полягає у впровадженні удосконалень в алгоритми обробки зображень та в реалізації адаптивних методів для підвищення точності і швидкодії системи розпізнавання в різноманітних умовах дорожнього середовища. Практичне значення отриманих результатів виявляється у можливості використання розробленої системи для підвищення рівня безпеки та оптимізації управління в автономних транспортних засобах. The goal of the research is to improve the accuracy of moving object recognition by an autonomous vehicle for precise determination and prediction of the movement of other objects on the road, ensuring safe and smooth driving through the study of methods, design, and development of software components for the moving object recognition system. The object of study is object recognition systems in autonomous vehicles. The subject of study: methods and tools for building moving object recognition systems for managing an autonomous vehicle. Research method - a comprehensive analysis of existing object detection algorithms, development and training of deep learning models based on YOLO architecture, experimental verification, and comparison of the efficiency of different models. The work includes an analysis of existing research, development of software components, training of deep learning models, and analysis of the system's operation. The master's thesis is dedicated to the development of an intelligent real-time moving object detection system using YOLO algorithms, an important element of computer vision systems for autonomous vehicles. The goal of the work is to improve the accuracy of moving object recognition for effective determination and prediction of their trajectories, thereby enhancing road safety. The object of research is object detection systems in autonomous vehicles, and the subject is the methods and tools for building these systems. The thesis discusses the functional and non-functional requirements for such systems, as well as analyzes the system architecture, including input modules, object detection, and warning generation. Software components have been developed and research has been conducted on the developed system, showing the effectiveness of combined use of algorithms for detecting moving objects under various conditions. The research has significant practical potential, as its results can be applied to optimize autonomous vehicle control systems, providing the high accuracy and response speed necessary for road safety. The theoretical value of the work lies in the development of scientific approaches to the construction of intelligent object detection systems, which can serve as a basis for further research in this area. The results can be used in teaching disciplines related to artificial intelligence, machine learning, and robotics. The scientific novelty lies in the implementation of improvements in image processing algorithms and in the realization of adaptive methods to enhance the accuracy and speed of the recognition system in various road environment conditions. The practical significance of the obtained results is evident in the possibility of using the developed system to increase the level of safety and optimize management in autonomous vehicles.