Επιτομή:
Η παρούσα πτυχιακή εργασία αναφέρεται στην υλοποίηση ενός συστήματος
μηχανικής όρασης προσανατολισμένο στα αυτόνομα οχήματα. Σκοπός της παρούσας
εργασίας είναι να παρουσιάσει ένα μοντέλο τεχνητού νευρωνικού δικτύου το οποίο θα
μπορεί να εφαρμοσθεί τόσο σε αυτόνομα όσο και σε συμβατικά οχήματα. Στα συμβατικά
οχήματα στόχος του μοντέλου είναι να λειτουργεί επικουρικά, ώστε να συμβάλει στην
πρόληψη αυτοκινητιστικών ατυχημάτων αλλά και στην υποστήριξη περιπτώσεων οδηγών
με αναπηρία.
Αρχικά στην εισαγωγή του παρόντος τεύχους θα παρουσιαστούν γενικά ο σκοπός
της εργασίας και οι έννοιες των αυτόνομων οχημάτων και της μηχανικής όρασης. Στα
επόμενα πέντε κεφάλαια θα αναπτυχθεί το θέμα της εργασίας ως εξής, στο πρώτο
κεφάλαιο θα γίνει ιστορική αναδρομή στα οχήματα τόσο στα συμβατικά όσο και στα
αυτόνομα. Συγκεκριμένα, θα γίνει αναφορά στα είδη αυτόνομης οδήγησης, στην
συσχέτιση αυτονομίας και ΑμεΑ, και στα οφέλη που προσφέρουν.
Στο δεύτερο κεφάλαιο αναπτύσσεται η τεχνητή νοημοσύνη. Αφετηρία αποτελεί η
βιολογική νοημοσύνη, ενώ ακολούθως αναπτύσσονται οι κατηγορίες της τεχνητής
νοημοσύνης και η μέχρι σήμερα εφαρμογή της.
Στο τρίτο κεφάλαιο γίνεται αναφορά στα τεχνητά νευρωνικά δίκτυα. Πιο
συγκεκριμένα περιγράφεται το ανθρώπινο νευρωνικό δίκτυο. Επίσης δίνονται ο ορισμός,
οι κατηγορίες και παρουσιάζεται η εκπαίδευση των τεχνητών νευρωνικών δικτύων.
Το τέταρτο κεφάλαιο ασχολείται με τον κώδικα του συστήματος μηχανικής όρασης
και με την επεξήγηση των σημαντικών εντολών που χρησιμοποιήθηκαν.
Τέλος, στο πέμπτο κεφάλαιο ακολουθούν τα σημαντικότερα συμπεράσματα
παρατηρήσεις της συγκεκριμένης εργασίας όπως είναι (α) η μείωση του χρόνου
αντίδρασης με τη βοήθεια του δοθέντος συστήματος μηχανικής όρασης και (β) η
αναβάθμιση των μεταφορών αφού αξιοποιείται ο χρόνος που σπαταλάται με την
αντικατάσταση της παραδοσιακής οδήγησης με την αυτόνομη οδήγηση.
ABSTRACT
This thesis refers to the implementation of a machine vision system oriented to
autonomous vehicles. The aim of the thesis is to present an artificial neural network model
that can be applied to both autonomous and conventional vehicles. In conventional
vehicles this model will assist in order to prevent car accidents and to support cases of
drivers with disabilities.
Firstly, the introduction of this issue will present the general purpose of the thesis
and the concepts of autonomous vehicles and machine vision. The following five chapters
will develop the topic of the thesis as follows, the first chapter will provide a historical
review of both conventional and autonomous vehicles. Specifically, an introduction to the
types of autonomous vehicles, the correlation of autonomous driving and people with
disabilities, and the benefits they offer.
In the second chapter, artificial intelligence is developed. That is, starting from
biological intelligence and continuing to its categories and, finally, its application to date.
In the third chapter, reference is made to artificial neural networks. More
specifically, the human neural network is described. Also the definition, the categories and
the training of artificial neural networks are given and studied.
The fourth chapter deals with the code of the machine vision system and the
explanation of the important commands used.
Finally, the fifth chapter accumulates the most important conclusions-observations
of this work such as (a) the reduction of reaction time with the help of the given machine
vision system (b) the upgrading of transport since the time wasted by replacing traditional
driving with autonomous driving is utilized.