Tekoälyn hyödyntäminen kuvantunnistuksessa ja autonomisessa ohjauksessa ROS-pohjaisessa UGV:ssa

Abstract

Insinöörityön aiheena oli tekoälyn hyödyntäminen autonomisissa ajoneuvoissa. Tavoitteena oli luoda toimiva sovellus Jackal UGV-alustalle sekä ohjeet luodun sovelluksen käyttöönottoon. Insinöörityö tehtiin Metropolia Ammattikorkeakoululle Robusta-hankkeeseen.

Työssä käytettiin hyväksi verkkomateriaalia ja aiempia tutkimustöitä aiheesta. Työn aikana tutkittiin ROS-käyttöjärjestelmää ja sen eri mahdollisuuksia, sekä testattiin olemassa olevia sovelluksia Jackalilla. Työssä perehdyttiin myös eri antureiden toimintaan autonomisessa liikkumisessa. Oleellisena osana työtä on tekoälyn esittely ja sen olemassa olevien ROS-pohjaisten sovellusten selvittäminen sekä testaus.

Jackaliin asennettiin myös Jetson TX2 tietokone sekä 3D-kamera. Jetsonille luotiin myös sovellus, joka hyödyntää Tensorflowta kuvantunnistuksessa. Kuvantunnistusta voidaan hyödyntää autonomisessa ajamisessa esimerkiksi laitteen turvallisuudessa ja esteen tunnistuksessa. Työssä luotiin myös sovellus, joka 3D-kameraa hyödyntämällä seuraa ihmistä. Tuloksissa huomattiin, että Jackalin autonomisen ajamisen sovellus on toimiva, mutta ei täysin luotettava. Kuvantunnistussovellus on toiminnallinen ja hyödynnettävissä tulevissa sovelluksissa.

The objective of this Bachelor’s Thesis was to study Artificial Intelligence in autonomic mobile platforms. The aim was to create a working application for Jackal UGV, to document it and create a manual for the use of Metropolia University of Applied Sciences. This thesis was commissioned by the Robusta project of Metropolia UAS.

Previous studies and online materials were utilized for this study. This thesis includes the research of the Robot Operating System and its possibilities, and testing the already existing applications on Jackal UGV. In addition, an analysis of sensors in autonomous driving is included. A substantial part of this thesis consists of an introduction to Artificial Intelligence and determining the existing ROS applications based on AI and testing them.

A Jetson TX2 computer and a 3D camera were also installed on Jackal. An image recogni-tion application, which is based on Tensorflow, was also built on Jetson TX2. Image recognition can be exploited in autonomous driving, for example, as a safety feature or in collision avoidance. A part of this study was also to create an application where a 3D camera was used in a surveillance situation where a person was followed. The results show that the autonomous driving application functions, but it is not, however, entirely reliable. As a result, it was discovered that the image recognition application is useful and ready to be exploited in future research. Keywords