Zeitschrift für Computertechnik und Informationstechnologie

Entwurf und Entwicklung eines autonomen Fahrzeugs mithilfe der Objekterkennung mit YOLOv4

Rishabh Chopda, Saket Pradhan und Anuj Goenka

Es wird erwartet, dass die Autos der Zukunft fahrerlos sein werden; sie werden Transportdienste von Punkt zu Punkt sein, die Unfälle vermeiden können. Um dieses Ziel zu erreichen, haben die Autohersteller in die Realisierung des Potenzials des autonomen Fahrens investiert. In diesem Zusammenhang präsentieren wir ein selbstfahrendes Modellauto, das autonom fahren kann und dabei Objekterkennung als primäres Lenkmittel auf einer Strecke aus farbigen Kegeln verwendet. In diesem Dokument wird der Prozess der Herstellung eines Modellfahrzeugs beschrieben, von der eingebetteten Hardwareplattform bis hin zur End-to-End-ML-Pipeline, die für die automatische Datenerfassung und das Modelltraining erforderlich ist. Dadurch kann ein Deep-Learning-Modell Eingaben von der Hardwareplattform ableiten, um die Bewegungen des Autos zu steuern. Dadurch wird das Auto autonom gesteuert und passt sich ohne manuelle Merkmalsextraktion gut an Echtzeitstrecken an. In diesem Dokument wird ein Computer-Vision-Modell vorgestellt, das aus Videodaten lernt und Bildverarbeitung, Erweiterung, Verhaltensklonen und ein Convolutional-Neural-Network-Modell umfasst. Die Darknet-Architektur wird verwendet, um Objekte durch ein Videosegment zu erkennen und es in einen navigierbaren 3D-Pfad umzuwandeln. Abschließend geht das Dokument auf die Schlussfolgerungen, Ergebnisse und Spielräume für künftige Verbesserungen der verwendeten Technik ein.