Оптимизация алгоритмов распознавания дорожной разметки для работы в сложных погодных условиях: дипломная работа / Маргарита Дмитриевна Бушлякова; БГУ, Факультет прикладной математики и информатики, Кафедра компьютерных технологий и систем; науч. рук. Францкевич А. А.

Abstract

РЕФЕРАТ Дипломная работа, 61 с., 9 рис., 22 источника. Ключевые слова: ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ, АВТОПИЛОТИРУЕМЫЙ АВТОМОБИЛЬ, НЕЙРОННЫЕ СЕТИ, PPO, СКВОЗНАЯ АРХИТЕКТУРА, МАРКОВСКИЕ ПРОЦЕССЫ, WEBOTS, DEEPBOTS. Объект исследования — алгоритмы компьютерного зрения, методы машинного обучения (включая глубокое обучение,обучение с подкреплением, обучение с учителем и без учителя), симуляционная среда Webots, алгоритмы распознавания дорожной разметки, архитектуры систем для автопилотирования автомобилей. Цель работы — исследование и оптимизация алгоритмов управления движением автомобиля в сложных погодных условиях с использованием методов машинного обучения и моделирования в виртуальной среде. Методы исследования — реализация алгоритмов компьютерного зрения на основе OpenCV, разработка систем управления движением в симуляторе Webots, проектирование сквозной архитектуры системы автопилота на основе обучения с подкреплением, обучение нейросетей с учителем, проведение симуляционных экспериментов в виртуальной среде среде. Результаты работы — разработан и протестирован алгоритм управления движением автомобиля с применением методов анализа изображений; построена модель автопилота на основе обучения с подкреплением, способная самостоятельно обучаться вождению в сложных погодных условиях. Выявлены преимущества и ограничения различных подходов построения систем автопилота, намечен путь дальнейшего обобщения модели автопилота на всё более сложные условия. Область применения — автономное управление транспортными средствами, системы помощи водителю, робототехника, разработка интеллектуальных систем управления в условиях ограниченной видимости, обучение и тестирование моделей в виртуальных средах без риска для людей и техники.