FenixEdu™

Dissertação

Modelling dynamic obstacles using occupancy Markov Chain mapping and SVM classification EVALUATED

Detalhes: Na área de sistemas autónomos, um dos principais tópicos de estudo é a construção de mapas de locais inicialmente desconhecidos. Várias abordagens foram desenvolvidas com sucesso para endereçar este problema, particularmente quando aplicado a robôs móveis capazes de construir um mapa a duas dimensões de um espaço interior, mas estas não são robustas em ambientes dinâmicos que são mais complexos e incluem objectos que se movem nas mais variadas escalas de tempo. Com este desafio em mente, propomos formas de representar e detectar o dinamismo presente no ambiente assumindo que a localização é conhecida a priori. É utilizado um método que calcula a taxa de movimentação de cada ponto do mapa com base na ocupação detectada e consoante a janela de tempo aplicável. As janelas de tempo permitem que sejam detectados objectos com dinamismos muito diferentes, desde objectos que se movem constantemente até obstáculos quase estáticos. Para representar a taxa de movimentação, cada célula do mapa é modelada por uma cadeia de Markov com dois estados - Ocupado e Livre - e os dados que permitem estimar os parâmetros de cada modelo são guardados em várias grelhas paralelas. É usada a Estimativa de Máxima Verosimilhança dos parâmetros das cadeias de Markov e proposto um método escalável de cálculo aproximado para tratar dados em falta. Os resultados desta tese mostram como diferentes estimadores se comportam consoante o volume de dados em falta e como classificadores baseados em Máquinas de Vectores de Suporte podem contribuir para a correcta classificação de obstáculos dinâmicos.
Keywords: Mapeamento em Grelha de Ocupação, Cadeias de Markov, Estimativa de Máxima Verosimilhança (MLE), Máquinas de Vectores de Suporte (SVM)

Discussão: dezembro 4, 2023, 5:30