Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/12502| Título: | Aplicação de inteligência artificial para prototipação de veículos não tripulados de baixo custo |
| Título(s) alternativo(s): | The application of artificial inteligence for low cost unmanned vehicle prototyping |
| Autor(es): | França, Marcos Tiago Araújo de |
| Orientador(es): | Candido Junior, Arnaldo |
| Palavras-chave: | Máquinas Veículos Criatividade na tecnologia Machinery Vehicles Creative ability in technology |
| Data do documento: | 22-Nov-2018 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | FRANÇA, Marcos Tiago Araújo. Aplicação de inteligência artificial para prototipação de veículos não tripulados de baixo custo. 2019. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Universidade Tecnológica Federal do Paraná, Medianeira, 2018. |
| Resumo: | A capacidade das máquinas aprenderem atualmente é aplicada no campo dos veículos autônomos, desenvolvidos por grandes empresas de tecnologia, seja para a locomoção urbana ou para trabalhos em chão de fábrica. Uma das vertentes mais utilizadas para o desenvolvimento desses veículos é o uso das redes neurais convolucionais profundas que representam uma evolução, tendo em vista que são capazes de aprender características de imagens é classificação utilizando-as seja para locomoção do ambiente ou detecção de objetos como um pedestre. Uma das grandes dificuldades para a produção desses equipamentos é o seu alto custo computacional e financeiro, por isso para estre trabalho foi optado por um equipamento de baixo custo objetivando a viabilidade de produção de um veículo autônomo simples, porém funcional. Se utilizando kits como o Raspberry PI e o Kit Lego Mindstorms para construção em conjunto com bibliotecas de processamento de imagem foi possivel montar um conjunto de treinamento primitivo e aplicar estes dados em uma Rede Neural Artificial, com base neste conjunto foi possivel se atingir uma taxa de acuracia otimizada de 40%. Com base nestes resultados e a capacidade do módulo capturar dados é demonstrado o grande potencial de aplicação a longo prazo. |
| Abstract: | The ability of machines to learn today is to apply in the market for autonomous vehicles, by large technology companies, either for urban locomotion or for work on factory floors. One of the most used slopes for the development of the indicators is the use of neural networks that convolve depths that represent an evolution, considering the capacity of expression of the image elements that are used to detect the locomotion or the detection of objects like a pedestrian . One of the greatest difficulties for the production of these equipments is its high computational and financial cost, therefore, the job is a low cost utility, with the feasibility of producing a simple, already functional standalone vehicle. You are using kits such as the Raspberry PI and the Lego Mindstorms Kit for building in conjunction with the image processing libraries, it was possible to install a set of primary exercises and apply this data in an Artificial Neural Network, based on this set. acuracy of 40 %. Based on results, the capacity of the data capture module is greater or greater. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/12502 |
| Aparece nas coleções: | MD - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| inteligenciaartificialprototipacaoveiculos.pdf | 3,22 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.