کلاس بندی، تعقیب مانع و ترکیب اطلاعات در خودروی بدون سرنشین برای موانع متحرک زمینی با استفاده از سیستم های فازی و تئوری بیزین و دمپسترشافر

در آینده نزدیک با افزایش استفاده از خودروهای بدون سرنشین(UGV) بحث پیشگیری از تصادف با موانع ثابت و یا متحرک اعم از جاندار، بی جان به چالشی جدی بدل خواهد شد. این موضوع در رابطه با موانع متحرک چالش جدی تری خواهد بود.  به طور معمول از سنسورهای لیدار و دوربین در خودروهای بدون سرنشین به منظور تشخیص مانع متحرک انجام می شود. و یکی از روش های موثر در ترکیب اطلاعات سنسورها تئوری بیزین و الگوریتم دمپستر شافر می باشد. الگوریتم دمپستر شافر توانایی ترکیب اطلاعات از منابع مختلف ورودی را دارد. در این مقاله یک روش با استفاده از روش بیزین ارائه شده است تا در فریم های متوالی تعقیب مانع متحرک انجام شود و بطور همزمان بتوان کلاس بندی موانع را در هر فریم انجام داد و همچنین ترکیب اطلاعات سنسوری نیز انجام پذیرد. سنسورهای در نظر گرفته شده بر روی خودروی بدون سرنشین لیدار و دوربین می باشد. در این مقاله نشان داده می شود که در روش پیشنهادی بدون دخالت دمپستر شافر توسعه یافته، دقت در تشخیص مانع در فریم هایی که اطلاعات سنسورها دارای اغتشاش بالایی است با خطای بالایی همراه است که با کمک دمپستر شافر توسعه یافته دقت پیش بینی مانع با دقت مناسبی بهبود یافته است.  

کلیدواژه ها:

Fuzzy Dempster-Shafer Bayesian Algorithm Unmanned Ground Vehicles Lidar and camera Sensor fusion ، خودروهای بدون سرنشین ، سیستم های فازی ، تئوری بیزین ، تعقیب و کلاس بندی موانع ، دمپستر شافر