DESENVOLVIMENTO DE UM SISTEMA DE NAVEGAÇÃO AUTÔNOMA ATRAVÉS DE INTELIGENCIA ARTIFICIAL
O presente trabalho tem como finalidade o emprego do Deep Learning, especificamente a técnica de redes neurais artificiais convolutivas, para um sistema de navegação autônoma que recebe imagens do ambiente e define a direção de condução. Para tal utilizou-se como base o TensorFlow, que é uma biblioteca de código aberto para algoritmos de aprendizado de máquina baseado em redes neurais profundas. Assim, por meio deste, foi possível a montagem da arquitetura da rede bem como o seu treinamento. Também foi usada a biblioteca OpenCV, que é de código aberto e permite a criação de soluções para visão computacional de forma mais simplificada, o que proporcionou a manipulação das imagens. Para o treinamento da rede foram usados dados obtidos por implementação física e simulada, sendo a constituição destes as imagens da trajetória percorrida com os respectivos valores de direção. Depois de treinada, a rede pode dar valores de direção em uma trajetória a partir das imagens do ambiente.
DESENVOLVIMENTO DE UM SISTEMA DE NAVEGAÇÃO AUTÔNOMA ATRAVÉS DE INTELIGENCIA ARTIFICIAL
-
DOI: 10.22533/at.ed.0812024074
-
Palavras-chave: Deep learning. Redes Neurais Convolutivas. Visão Computacional. Navegação Autônoma.
-
Keywords: Deep learning. Convolutional Neural Networks. Computer Vision. Autonomus Navigation.
-
Abstract:
The present work has as finality the use of Deep Learning, specifically the technique of artificial convolutional neural networks, for an autonomous navigation system, which receives images of the environment and defines the drive direction. For this it was used TensorFlow as base, which is an open-source library for machine learning algorithms based on deep neural networks. Thus, through this, it was possible to assemble the network architecture as well as its training. Also used was the OpenCV library, which is open source and enable the creation of computer vision solutions in a simpler way, which provided the manipulation of the images. For the training of the network were used data obtained by physical and simulated implementation, these being the images of the trajectory traversed with the respective direction values. After trained, the network can give direction values in a path from the images of the environment.
-
Número de páginas: 16
- Elionai de Farias Borges
- João Erivando Soares Marque
- Adriano de Oliveira Rocha
- Sílvia Maria Nascimento Carvalho
- Cleia Santos Libarino
- Wilton Lacerda Silva
- Kenedy Marconi Geraldo dos Santos
- Elvio Prado da Silva
- Wesley de Almeida Souto
- Rodrigo Assis Bonfim
- João Batista Regis Pires
- Jose Alberto Diaz Amado
