Please use this identifier to cite or link to this item:
https://hdl.handle.net/10216/122034| Author(s): | António Pedro Rodrigues Pereira |
| Title: | Detection and Classification of Obstacles for Autonomous Vessels Using Machine Learning |
| Issue Date: | 2019-07-18 |
| Abstract: | Development of a system capable of obstacle detection and classification of various types that may be subject of collisions and result in damages to the ship or even its own total loss. The system is also capable of detection the horizon line, to estimate the relative distance of the detected objects to the vehicle current position. This is achieved throught Deep Learning techniques, namely by the use of Convolutional Neural Networks. |
| Description: | Desenvolvimento de um sistema capaz de realizar a deteção e classificação de obstáculos de vários tipos que possam ser sujeitos de colisões e resultar em danos para a embarcação ou até na destruição total do mesmo. O sistema é também capaz da deteção da linha do horizonte para estimar a distância relativa dos objetos detetados à posição atual da embarcação. As deteções são conseguidas recorrendo a técnicas de Deep Learning, nomeadamente usando CNNs, para a deteção dos obstaculos e linha do horizonte. |
| Subject: | Engenharia electrotécnica, electrónica e informática Electrical engineering, Electronic engineering, Information engineering |
| Scientific areas: | Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática Engineering and technology::Electrical engineering, Electronic engineering, Information engineering |
| DOI: | 10.34626/bdh9-vr24 |
| TID identifier: | 202389910 |
| URI: | https://hdl.handle.net/10216/122034 |
| Document Type: | Dissertação |
| Rights: | openAccess |
| Appears in Collections: | FEUP - Dissertação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 348227.pdf | Detection and Classification of Obstacles for Autonomous Ships using Machine Learning | 6.54 MB | Adobe PDF |  View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.