علیرضا خدایاری - دانشیار گروه مهندسی مکانیک، دانشگاه آزاد اسلامی واحدپردیس، تهران، ایران
امیر ساکی - دانشجوی کارشناسی ارشد مهندسی مکاترونیک، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

به کار گیری سیستم های کمک راننده پیشرفته از جمله راهکارهای موثر و نوین در کاهش نرخ تصادفات او و تلفات جاده ای می باشد. تشخیص و ردگیری اشیا پیرامون از جمله نیازمندی هایضروری این سیستم ها و همچنین خودروهای خودران می باشد. به منظور کسب اطلاعات محیط اطراف ، سنسورهای مختلفی از جمله دوربین ، لیدار ، رادار ، و ... در این سیستم ها استفاده می گردند که باتوجه به قابلیت ها و محدودیت های این سنسورها ، به منظور کسب نتایج معتبر ، از آمیختگی داده در آن ها استفاده می شود. در این مقاله الگوریتمی مطرح می گردد که قادر است با استفاده از آمیختگیاطلاعات حاصل از تصاویر دوربین و لیدار ، اشیا پیرامون خودرو را کشف و ردگیری نماید. این الگوریتم بصورت کلی دارای مراحل تشخیص اشیا در تصویر ، تشخیص اشیا در ابر نقاط ، آمیختگی دادهو تعیین نهایی اشیا و ردگیری اشیا می باشد. در این الگوریتم با استفاده از قابلیت الگوریتم های یادگیری عمیق در طبقه بندی طیف وسیعی از اشیا درون تصویر ، با به کارگیری بخش آمیختگی، اینقابلیت بدون ایجاد بار محاسباتی بیشتر برای بخش طبله بندی اشیا در لیدار ، در نتیجه ی کلی الگوریتم نیز بوجود آمده است. با ارزیابی نتایج حاصل از این الگوریتم مطابق با معیارهای ارزیابی نظیرMOTA ، MOTP و ... ) کارایی این الگوریتم در مقایسه با دو الگوریتم دیگر ، مشخص گردیده است. ضمنا با بررسی میانگین نتایج ارزیابی الگوریتم، مشخص گردیده است که نتایج تشخیص و طبقهبندی الگوریتم برای خودرو ، از اشیا دیگر بهتر می باشد.

خودروهای خودران، تشخیص اشیا ، ردگیری اشیا ، آمیختگی داده، لیدار