Uso de redes neurais convolucionais para a fusão de sensores adaptável ao ambiente

Resumo

A fusão de sensores é fundamental para o funcionamento de sistemas de navegação autônoma seguros e eficientes. Uma vez que todos os sensores apresentam prós e contas, um único sensor geralmente não é capaz de representar o ambiente de forma confiável e o uso de viários sensores simultaneamente se tornou uma prática comum na indústria. A grande maioria destes sistemas se baseiam em uma estratégia estática para a fusão, o que tende a apresentar resultados insatisfatórios em ambientes heterogêneos. O uso de técnicas de aprendizado de máquina pode ser interessante para variar automaticamente a estratégia de fusão de sensores de acordo com o ambiente. Este projeto tem como objetivo avaliar o desempenho das redes neurais convolucionais treinadas sob o paradigma end-to-end, para dinamicamente adaptar a fusão dos sensores ao ambiente. Na abordagem ent-to-end, as imagens obtidas por uma câmera onboard são diretamente relacionadas com as melhores estratégias de fusão, sem explicitamente classificar o ambiente. Tal abordagem será testada no modelo experimental desenvolvido pelo Autonomous System Laboratory no Commonwealth Scientific and Industrial Research Organisation (CSIRO). Esta proposta descreve os procedimentos adotados para a coleta dos dados de treinamento das redes neurais, os experimentos a ser conduzidos e a métrica adotada para avaliar a performance dos sistemas de fusão de sensores na tarefa de detecção de obstáculos. (AU)