Εντοπισμός αυτοκινήτων σε τρισδιάστατα νέφη σημείων μέσω συνελικτικών νευρωνικών δικτύων

Κώτσης, Ευστάθιος; Kotsis, Efstathios

dc.contributor.author	Κώτσης, Ευστάθιος	el
dc.contributor.author	Kotsis, Efstathios	en
dc.date.accessioned	2022-12-14T08:15:22Z
dc.date.available	2022-12-14T08:15:22Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56443
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24141
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Εντοπισμός Τρισδιάστατων Αντικειμένων	el
dc.subject	Συνελικτικά Νευρωνικά Δίκτυα	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Όραση Υπολογιστών	el
dc.subject	Αυτόνομη οδήγηση	el
dc.subject	3D Object Detection	en
dc.subject	Convolutional Neural Networks	en
dc.subject	Machine Learning	en
dc.subject	Computer Vision	en
dc.subject	Autonomous Driving	en
dc.title	Εντοπισμός αυτοκινήτων σε τρισδιάστατα νέφη σημείων μέσω συνελικτικών νευρωνικών δικτύων	el
dc.title	Detection of cars in 3D point clouds using convolutional neural networks	en
heal.type	bachelorThesis
heal.classification	Πληροφορική και Υπολογιστές	el
heal.classification	Όραση Υπολογιστών	el
heal.classification	Computer Science	en
heal.classification	Computer Vision	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-08-31
heal.abstract	Ο εντοπισμός αντικειμένων αποτελεί έναν από τους πιο δημοφιλείς τομείς της Όρασης Υπολογιστών. Ο τομέας αποσκοπεί στην κατασκευή μοντέλων, ικανά να διακρίνουν την κλάση ενδιαφέροντος από όλα τα υπόλοιπα αντικείμενα που εμφανίζονται. Ενώ ο εντοπισμός αντικειμένων σε δύο διαστάσεις έχει σημειώσει μεγάλες επιτυχίες, ο απευθείας εντοπισμός τρισδιάστατων αντικειμένων αποτελεί πολύ μεγαλύτερη πρόκληση. Ειδικότερα ο εντοπισμός τρισδιάστατων αντικειμένων σε Νέφη Σημείων αποκτά ιδιαίτερο ενδιαφέρον λόγω των εφαρμογών του σε οικιακά ρομπότ, στην εικονική πραγματικότητα και στα συστήματα αυτόνομης οδήγησης. Όσον αφορά τον τελευταίο τομέα, ο εντοπισμός αυτοκινήτων σε Νέφη Σημείων αποτελεί επιτακτική ανάγκη για την πρόοδο της αυτόνομης οδήγησης και την καθιέρωση της ως μία ασφαλή βιώσιμη εναλλακτική πρόταση στην οδήγηση. Για τον εντοπισμό των σημαντικών χαρακτηριστικών που υπάρχουν στα Νέφη Σημείων, ένα μεγάλο μέρος της βιβλιογραφίας στηρίζεται στην χρήση χειροκίνητων αναπαραστάσεων τους. Στην εργασία αυτή γίνεται χρήση μίας ολοκληρωμένης αρχιτεκτονικής εντοπισμού αντικειμένων σε τρεις διαστάσεις καθώς και δοκιμές τροποποίησης της, με στόχο τον εντοπισμό αυτοκινήτων, αντλούμενα από τρισδιάστατα Νέφη Σημείων, τα οποία έχουν συλλεχθεί από συσκευές λέιζερ lidar (Light Detection And Ranging) οι οποίες προσφέρουν την δυνατότητα υπολογισμού του βάθους των αντικειμένων, κρίσιμο στοιχείο που στερούνται οι τεχνικές χειρισμού εικόνων. Η συγκεκριμένη αρχιτεκτονική κάνει χρήση τριών υποσυστημάτων. Πιο συγκεκριμένα, ένα Σύστημα Εκμάθησης Χαρακτηριστικών, το οποίο αφού χωρίσει το Νέφος Σημείων σε τρισδιάστατα Βόξελ, μεταμορφώνει το σύνολο των σημείων κάθε Βόξελ σε μία αραιή αναπαράσταση χαρακτηριστικών, μέσω μίας Αλυσίδας Επιπέδων Κωδικοποίησης. Στην συνέχεια η αραιή αναπαράσταση του Νέφους σημείων τροφοδοτεί επιπλέον Συνελικτικά Επίπεδα και τέλος ένα Δίκτυο Προτάσεων Περιοχής που στηρίζεται σε συνελικτικά νευρωνικά δίκτυα, το οποίο κάνει τις τελικές προβλέψεις για την ύπαρξη ή όχι αυτοκινήτων στην εκάστοτε υποπεριοχή του Νέφους, ενώ ταυτόχρονα επιχειρεί να τελειοποιήσει την θέση και τον προσανατολισμό των επιτυχημένων προβλέψεων. Η εκπαίδευση του μοντέλου είναι επιβλεπόμενη και γίνεται με ετικέτες που δίνονται για συγκεκριμένα χαρακτηριστικά του Cloud, ενώ η συνάρτηση απωλειών αποτελείται από τις απώλειες για την κατηγοριοποίηση σε κλάση ενδιαφέροντος ή όχι και τις απώλειες για την διόρθωση των προβλέψεων. Τα πειράματα, σε κατάλληλο σύνολο δεδομένων αποτελούμενο από Νέφη Σημείων οδικού ιστού, δείχνουν πως το μοντέλο είναι ικανό να κατασκευάζει την αναπαράσταση των αντικειμένων στον χώρο και να μαθαίνει την δομή τους, κατορθώνοντας γενικά προβλέψεις υψηλής ποιότητας, οι οποίες περιορίζονται κατά βάση από την ποικιλομορφία του προσανατολισμού των αυτοκινήτων και την δυσκολία διάκρισης παρόμοιων οχημάτων.	el
heal.abstract	The task of Object Detection is arguably one of the most active tasks in the field of Computer Vision. The task is primarily concerned with the design and implementation of models with the ability to detect instances of specific classes. In contrast to 2d object detection, which has enjoyed great success over the years, 3d detection constitutes a much bigger challenge but also bears great interest due to the numerous applications in household robots, autonomous driving and virtual reality as well. Specifically for the autonomous driving task, the detection of cars in Point Clouds has immense scientific value and is a deciding factor for the success of autonomous driving as a lasting and safe driving alternative. For the encoding of the important features in a Point Cloud, a great number of methods make use of handcrafted features. In this thesis a complete end-to-end 3d object detection architecture is deployed, as well as modifications, in order to detect cars from Point Cloud representations, collected from ‘lidar’ (Light Detection And Ranging) laser devices, which help encode the important element of ‘depth’ as well, in contrast to image based methods. Specifically, the architecture used makes use of three subsystems. Firstly, a Feature Learning Network is responsible for the partitioning of the Point Cloud into voxels and the encoding of the points of each voxel into feature representations, with the help of a chain of Feature Encoding Layers. This sparse feature representation is then feed to some Convolutional Layers and then a Region Proposal Network based upon convolutional neural networks, which makes the final predictions and regresses the predicted targets to improve the position and the orientation of the predictions. Model training is supervised and is achieved with labels for specific parameters that accompany the Point Clouds, whereas the Loss Function is the sum of the Classification Loss (detected or not) and the Regression Loss. The experiments are conducted on a specific Point Cloud dataset which encodes roads into Point Cloud representations. It is demonstrated that the model is able to construct a high level representation of the objects in the Point Cloud and learn their shape and features, thus achieving high quality predictions, limited mostly by the the multitude of possible car orientations and the existing and inevitable resemblance between many road trucks.	en
heal.advisorName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	142 σ.	el
heal.fullTextAvailability	false