一个新的CNN-BASED对象检测系统用于基于现实世界的车辆数据集的自主移动机器人
Udink Aulia1,2, Iskandar Hasanuddin2, Muhammad Dirhamsyah2
1Doctoral Program, School of Engineering, Post Graduate Program, Universitas Syiah Kuala, Banda Aceh, 23111, Indonesia.
Heliyon
|August 21, 2024
概括
这项研究引入了一种新的深度学习对象检测系统,用于自动移动机器人 (AMR) 安全导航. 该系统在现实条件下准确识别车辆和行人,增强AMR导航能力.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 自主移动机器人 (AMR) 在物体检测方面面临导航挑战,以确保安全交付.
- 准确和高效的对象识别对于AMR导航系统至关重要.
研究的目的:
- 开发一种新的基于卷积神经网络 (CNN) 的对象检测系统,用于AMRs.
- 在各种现实条件下提高对象识别的准确性和速度.
主要方法:
- 创建了来自 Banda Aceh 市的原始真实世界图像数据集.
- 开发了一个基于CNN的系统,使用SSD Mobilenetv2 FPN Lite 320 × 320架构.
- 用自定义数据集重新训练模型,以在不同的光线下识别物体 (汽车,摩托车,人,瑞克沙).
主要成果:
- 拟议的CNN模型在重新训练后证明了更好的分类和检测准确性.
- 定量和定性评估证实了该模型的性能.
- 该系统在不同的照明条件下有效地识别了关键对象.
结论:
- 开发的基于CNN的物体检测系统显示了增强AMR导航的巨大潜力.
- 该系统在各种条件下的性能使其适合于现实世界的应用.
- 进一步的开发可以将该系统集成到实际的AMR交付解决方案中.
