Análise de alterações temporárias e anormalidades nas estradas para veículos de condução autónoma

Detalhes bibliográficos
Autor(a) principal: Andrade, Nuno Miguel De Jesus
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/1822/77535
Resumo: Dissertação de mestrado integrado em Engenharia Eletrónica Industrial e Computadores
id RCAP_f2fba68b6fe99548b7641d6b4b92bec0
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/77535
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Análise de alterações temporárias e anormalidades nas estradas para veículos de condução autónomaAnalysis of temporary public roadworks for autonomous driving vehiclesYOLOReinforcement learningDeep deterministic policy gradientCondução autónomaSinalização temporáriaAutonomous DrivingPublic roadworksEngenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaDissertação de mestrado integrado em Engenharia Eletrónica Industrial e ComputadoresA condução autónoma tem vindo cada vez mais a ser utilizada como aplicação prática de métodos de Inteligência Artificial, como supervised learning e reinforcement learning. A Inteligência Artificial é uma solução bem conhecida para resolver problemas de condução autónoma mas ainda não está estabelecida e suficientemente estudada para lidar com problemas específicos do mundo real que os seres humanos lidam diariamente, como sinalização temporária de obras nas estradas. Esta é a motivação principal para o desenvolvimento de um sistema como o que é apresentado neste projeto. O YOLOv3-tiny é utilizado para detetar sinais de obras nas estradas em que um veículo circula. O Deep Deterministic Policy Gradient (DDPG) é utilizado para controlar o comportamento do veículo no momento de circulação em zona de sinalização temporária. A segurança dos passageiros e do ambiente ao redor é a regra que mais foi tida em consideração ao longo da implementação do sistema. O YOLOv3-tiny obteve uma accuracy de 94.8% mAP e provou ser viável a sua utilização em situações reais. O DDPG permitiu o sucesso do comportamento de um veículo mais de 50% dos episódios durante os testes, contudo ainda precisa de melhorias para ser utilizado no mundo real para respeitar uma condução segura e preventiva.Autonomous driving is emerging as a useful practical application of Artificial Intelligence algorithms regarding both supervised learning and reinforcement learning methods. Artificial Intelligence is a well known solution for some autonomous driving problems but it is not yet established and fully researched for facing real world problems regarding specific situations human drivers face every day, such as temporary roadworks and temporary signs. This is the core motivation for the proposed framework in this project. YOLOv3-tiny is used for detecting roadworks signs in the path traveled by the vehicle. Deep Deterministic Policy Gradient (DDPG) is used for controlling the behavior of the vehicle when overtaking the working zones. Security and safety of the passengers and the surrounding environment are the main concern taken into account. YOLOv3-tiny achieved an 94.8% mAP and proved to be reliable in real-world applications. DDPG made the vehicle behave with success more than 50% of the episodes when testing, although still needs some improvements to be transported to the real-world for secure and safe driving.Ribeiro, A. FernandoUniversidade do MinhoAndrade, Nuno Miguel De Jesus2021-12-222021-12-22T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/77535por202951731info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:47:10Zoai:repositorium.sdum.uminho.pt:1822/77535Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:45:15.967793Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Análise de alterações temporárias e anormalidades nas estradas para veículos de condução autónoma
Analysis of temporary public roadworks for autonomous driving vehicles
title Análise de alterações temporárias e anormalidades nas estradas para veículos de condução autónoma
spellingShingle Análise de alterações temporárias e anormalidades nas estradas para veículos de condução autónoma
Andrade, Nuno Miguel De Jesus
YOLO
Reinforcement learning
Deep deterministic policy gradient
Condução autónoma
Sinalização temporária
Autonomous Driving
Public roadworks
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Análise de alterações temporárias e anormalidades nas estradas para veículos de condução autónoma
title_full Análise de alterações temporárias e anormalidades nas estradas para veículos de condução autónoma
title_fullStr Análise de alterações temporárias e anormalidades nas estradas para veículos de condução autónoma
title_full_unstemmed Análise de alterações temporárias e anormalidades nas estradas para veículos de condução autónoma
title_sort Análise de alterações temporárias e anormalidades nas estradas para veículos de condução autónoma
author Andrade, Nuno Miguel De Jesus
author_facet Andrade, Nuno Miguel De Jesus
author_role author
dc.contributor.none.fl_str_mv Ribeiro, A. Fernando
Universidade do Minho
dc.contributor.author.fl_str_mv Andrade, Nuno Miguel De Jesus
dc.subject.por.fl_str_mv YOLO
Reinforcement learning
Deep deterministic policy gradient
Condução autónoma
Sinalização temporária
Autonomous Driving
Public roadworks
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic YOLO
Reinforcement learning
Deep deterministic policy gradient
Condução autónoma
Sinalização temporária
Autonomous Driving
Public roadworks
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Dissertação de mestrado integrado em Engenharia Eletrónica Industrial e Computadores
publishDate 2021
dc.date.none.fl_str_mv 2021-12-22
2021-12-22T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1822/77535
url https://hdl.handle.net/1822/77535
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 202951731
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133016516198400

Registros relacionados