Numer: 09/2024 Str. 29
Autorzy: Szymon Cherubin , Wojciech Kaczmarek , Michał Siwek :
Tytuł: Wykrywanie i klasyfikacja obiektów YOLO przy użyciu niedrogiego robota mobilnego
Streszczenie: W artykule przedstawiono badanie metod wykrywania i klasyfikacji obiektów opartych na głębokim uczeniu YOLO (You Only Look Once) zaimplementowanych na komputerze pokładowym (Raspberry Pi 4B) zbudowanego robota mobilnego. Badania przeprowadzono z wykorzystaniem robota mobilnego współpracującego z platformą ROS Noetic, wyposażonego w czujniki: LiDAR, Kinect i odometryczne. Podczas działania głębokich sieci neuronowych określono średnią precyzję wykrywania mAP oraz zużycie mocy obliczeniowej jednostki centralnej pozbawionej procesora graficznego. Do obserwacji procesów obliczeniowych i poziomu zużycia mocy obliczeniowej procesora w czasie rzeczywistym wykorzystano pakiet HTOP.
Słowa kluczowe: robot mobilny, głęboka sieć neuronowa, YOLO, detekcja i klasyfikacja obiektów, Raspberry Pi