Dynamic object detection with camera and laser scanner data for autonomous outdoor mobile robotics

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Sähkötekniikan korkeakoulu | Master's thesis
Date
2020-01-20
Department
Major/Subject
Control, Robotics and Autonomous Systems
Mcode
ELEC3025
Degree programme
AEE - Master’s Programme in Automation and Electrical Engineering (TS2013)
Language
en
Pages
64+8
Series
Abstract
Autonomous mobile robots require an accurate perception of the environment in order to operate safely and reliably in dynamic environments. Safe operation requires predictive estimation of the state of the environment in which dynamic object detection is paramount. Recent advances in neural networks have improved the accuracy of the state-of-the-art general object detectors significantly. However, they are mostly utilized in autonomous driving research. This work studies dynamic object detection in autonomous mobile robotic applications. In this work, a multi-modal dynamic object detector was implemented for an outdoor industrial logistic robot. The detector fuses state-of-the-art camera detector and segmentation of point cloud data from a light detection and ranging sensor. The detector was evaluated against an open dataset on performance, accuracy and robustness criteria and compared to a state-of-the-art multi-modal object detector. The detector produced satisfactory results for the application requirements although the results were not on par with the state-of-the-art.

Autonomiset mobiilirobootit vaativat tarkkaa havainnointia ympäristönsä tilasta voidakseen toimia turvallisesti ja luotettavasti muuttuvassa ympäristössä. Turvallinen toiminta vaatii ennustavaa ympäristön tilan arviointia, missä liikkuvien kohteiden havainnointi on kriittisessä roolissa. Viimeaikaiset edistykset neuroverkkojen tutkimuksessa ovat parantaneet kohteiden tunnistimia huomattavasti. Kuitenkin niitä käytetään lähinnä autonomisten ajoneuvojen tutkimuksessa. Tässä työssä tutkitaan dynaamisten kohteiden tunnistusta autonomisissa mobiilirobotiikkasovelluksissa. Työssä kehitettiin monituloinen tunnistusmenetelmä ulkoilmalogistiikkaroboottia varten, joka yhdistää viimeisintä tekniikkaa edustavan kamerapohjaisen tunnistimen ja laserkeilaimen pistepilviaineiston segmentaation. Tunnistinta arvioitiin sen suoritusajan, tarkkuuden ja robustisuuden mukaan avoimella aineistolla ja sitä verrattiin viimeisintä tekniikkaa edustavaan monituloiseen kohteiden tunnistimeen. Tunnistin saavutti riittävät tulokset sovellusta varten, mutta ei saavuttanut viimeisintä tekniikkaa edustavan tunnistimen tasoa.
Description
Supervisor
Kyrki, Ville
Thesis advisor
Peurasaari, Samuli
Keywords
camera, LiDAR, multi-modal, convolutional neural networks, object detection
Other note
Citation