ETD system

Electronic theses and dissertations repository

 

Tesi etd-08212017-204605


Thesis type
Tesi di laurea magistrale
Author
CATTANEO, ALESSANDRO
URN
etd-08212017-204605
Title
Analisi delle intenzioni del guidatore con tecniche di Deep Learning e filtraggio bayeisiano su manifold
Struttura
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
INGEGNERIA ROBOTICA E DELL'AUTOMAZIONE
Commissione
relatore Prof. Avizzano, Carlo Alberto
relatore Dott. Ruffaldi, Emanuele
controrelatore Prof. Guiggiani, Massimo
correlatore Dott. Dabisias, Giacomo
Parole chiave
  • LSTM
  • Manifolds
  • UKF
  • RNN
  • Deep Learning
Data inizio appello
28/09/2017;
Consultabilità
parziale
Data di rilascio
28/09/2020
Riassunto analitico
L&#39;obiettivo di questa tesi è quello di prevedere le intenzioni di un guidatore a bordo di un autoveicolo. Le intenzioni del guidatore sono costituite principalmente da 5 azioni:<br><br>1)svolta destra e sinistra<br>2)cambio di corsia destra/sinistra<br>3) nessuna azione (guida su rettilineo o auto ferma)<br><br>Per il raggiungimento dell&#39;obiettivo è necessario realizzare un opportuno modello e definire i dati caratterizzanti della manovra.<br><br>Sviluppo: La progettazione e realizzazione può essere suddivisa per punti come segue: <br><br>i) Utilizzo di un software per estrarre i &#34;landmark&#34; (punti associati al viso del conducente con opportuno modello) per effettuare il tracciamento del movimento della testa, degli occhi e della faccia. <br>ii)Analizzare i dati estratti e definire una distribuzione per generalizzare e normalizzare il loro utilizzo nel contesto della modellazione di segnale;<br>iii) Analizzare i casi dubbi studiando modelli di rumore e filtraggio (UKF) per minimizzarne o eliminarne i contributi.<br>iv) Sviluppare un modello cognitivo RNN per descrivere le intenzioni della persona, prevedendo l&#39;azione con un certo grado di precisione.<br>Risultati: Il modello sviluppato riesce ad interpretare l&#39;azione del conducente con precisione superiore al 90% e anticipazione 1.5 secondi.
File