Path guidance and obstacle detection techniques using monocular vision systems for automated guided vehicles (AGVS)

Abstract

Fabrikalarda kullanılan otonom robotlar ve otomatik yönlendirmeli araçlar (OYA'lar) için nesne algılama ile ilgili birçok problem bulunmaktadır. Problemlerin başlıcaları yol tayini, engel tanıma gibi konulardan oluşmaktadır. Bunların çözümü için lazer, görüş vb. temelli sensörler kullanılmaktadır. Bu çalışmada görüş temelli sensörler (kamera) aracılığıyla kullanılan yöntemler ilgi alanındadır. Bu yöntemler iki kategoriden oluşmaktadır; geleneksel ya da makine öğrenmesi tabanlı. Son zamanlarda ise bu tekniklerin en revaçta olanları makine öğrenmesinin bir alt alanı olan derin öğrenme temelli tekniklerdir. YOLO, SSD, R-CNN gibi derin öğrenme teknikleri gösterdikleri performans ile diğer birçok tekniği kullanım dışı bırakmıştır. Lakin hala bu teknikler de özellikle video çerçevelerinden nesne tanıma konusunda performans düşüklüğü yaşayabilmektedir. Verimliliği arttırma amaçlı bu tekniklerin üzerine Sıralı Karar Teorisi katmanı eklenerek yeni bir yaklaşımla daha iyi sonuçlar alınabilirliği değerlendirilmiştir.

There are many problems with object detection for autonomous robots and automated guided vehicles (AGVs) used in factories. The main problems consist of issues such as routing and obstacle recognition. For the solution of these, laser, sight, vision based sensors have been practically used. In this study, the methods used through vision-based sensors, such as camera, are in the field of interest. These methods consist of two categories: traditional or machine learning based. Recently, the most popular of these techniques are deep learning-based techniques, which is a sub-field of machine learning. Deep learning techniques such as YOLO, SSD, R-CNN have left many other techniques out of use with their performance. However, these techniques may occasionally experience performance degradation especially during video processing. Better results can be obtained by adding a novel Sequential Decision Theory layer on top of the available deep learning techniques.