Sirvi Autor "Gulzar, Mahir" järgi

Nüüd näidatakse 1 - 2 2

listelement.badge.access-status Avatud juurdepääs ,
Addressing real-world scenarios via motion prediction in autonomous driving
(Tartu Ülikooli Kirjastus, 2026-01-16) Gulzar, Mahir; Muhammad, Naveed, juhendaja; Muhammad, Yar, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Isejuhtivate sõidukite valdkond on viimase kümnendi jooksul kiiresti arenenud. Üks olulisemaid komponente isejuhtivate sõidukite tarkvaras on teiste liiklejate tulevase käitumise ennustamine. Need ennustused on aluseks trajektoori planeerimisele, et valida takistusteta ja ohutu liikumistee. Antud doktoritöös keskendutakse sellele, kuidas isejuhtiva auto käitumist keerukates liiklusolukordades paremini mõista ning paremaks teha läbi teiste liiklejate käitumise parema ennustamise. Liiklusstsenaariumite lahendamiseks liikumisennustuse kaudu uuritakse esmalt liikumismudelite kirjandust ja pakutakse välja uudne taksonoomia, mis kategoriseerib ennustuse meetodeid kolme mõõtme alusel erinevat tüüpi liikluses osalevate agentide jaoks. Töö järgnevas osas pakutakse välja “anna teed” ristmiku navigeerimise meetod vabavaralise isejuhtivuse tarkvara jaoks, kasutades mitmemodaalseid ennustatud trajektoore. Kolmandas töö osas uuritakse stsenaariumite läbimise sõltuvust erinevatest isejuhtivuse tarkvara komponentidest. Pakutakse välja stsenaariumitel põhinev isejuhtivuse tarkvara hindamise meetod, mis võimaldab testida nii süsteemi tervikuna kui ka üksikuid komponente. Asjakohasuse tagamiseks viiakse läbi juhtumiuuring eespool nimetatud vabavaralise isejuhtivuse tarkvara osas, et hinnata stsenaariumitel põhineva metoodika sobivust objektituvastuse ja käitumise ennustamise komponentide testimiseks. Viimases osas pakutakse välja uudne masinõppe mudeli arhitektuur, mis kasutab eesmärgipõhist tingimist sõiduradade graafi peal. Pakutud mudelit hinnatakse avalikus võrdlustestis, kus see saavutas parima tulemuse. Täiendavalt arutletakse andmepõhiste mudelite piirangute üle praktilistes isejuhtivuse lahendustes. Kokkuvõttes kujutab käesolev doktoritöö endast kombinatsiooni akadeemilisest ja praktilisest uurimustööst, mis teeb sellest väärtusliku panuse isejuhtivate sõidukite uurimisse.
listelement.badge.access-status Avatud juurdepääs ,
Objektituvastus maastikul kasutades lidarit ja kaamerat
(2019) Gulzar, Mahir; Tambet Matiisen
Seoses hüppelise huvi kasvuga autonoomsete sõidukite vastu viimastel aastatel on suurenenud ka vajadus täpsemate ja töökindlamate objektituvastuse meetodite järele. Kuigi tänu konvolutsioonilistele närvivõrkudele on palju edu saavutatud 2D objektituvastuses, siis võrreldavate tulemuste saavutamine 3D maailmas on seni jäänud unistuseks. Põhjuseks on mitmesugused probleemid eri modaalsusega sensorite andmevoogude ühitamisel, samuti on 3D maailmas märgendatud andmestike loomine aeganõudvam ja kallim. Sõltumata sellest, kas kasutame objektide kauguse hindamiseks stereo kaamerat või lidarit, kaasnevad andmevoogude ühitamisega ajastusprobleemid, mis raskendavad selliste lahenduste kasutamist reaalajas. Lisaks on enamus olemasolevaid lahendusi eelkõige välja töötatud ja testitud linnakeskkonnas liikumiseks.Töös pakutakse välja meetod 3D objektituvastuseks, mis põhineb 2D objektituvastuse tulemuste (objekte ümbritsevad kastid või segmenteerimise maskid) projitseerimisel 3D punktipilve ning saadud punktipilve filtreerimisel klasterdamismeetoditega. Tulemusi võrreldakse lihtsa termokaamera piltide filtreerimisel põhineva lahendusega. Täiendavalt viiakse läbi põhjalikud eksperimendid parimate algoritmi parameetrite leidmiseks objektituvastuseks maastikul, saavutamaks suurimat võimalikku täpsust reaalajas.