Autonomous Generation of an Object Detection Model Database based on Unidentified Object Instances

Abstract

In dieser Arbeit wird ein Ansatz zur autonomen Erstellung und Weiterentwicklung einer Datenbank mit Objekterkennungsmodellen vorgestellt. Diese Forschungsarbeit konzentriert sich darauf, ein Robotersystem in die Lage zu versetzen, autonom Bilddaten aus seiner Umgebung zu sammeln, zu beschriften und so die automatische Erzeugung von Datensätzen zu ermöglichen. Diese Datensätze werden zum Trainieren von Objekterkennungsmodellen verwendet, die dynamisch geladen und vom Roboter je nach seinen Anforderungen verwendet werden. Die Architektur des Systems ermöglicht die Verarbeitung in Echtzeit und die Anpassung an neue oder sich entwickelnde Umgebungen und Objektklassen und stellt einen Fortschritt in der autonomen Fahrzeugtechnologie dar.

This Thesis proposes a comprehensive approach to autonomously generate and evolve a database of object detection models. This research focuses on enabling a robotic system, exemplified by the Husky robot, to autonomously collect and label image data from its environment, thus facilitating the automatic generation of datasets. These datasets are then used to train object detection models, which are dynamically loaded and utilized by the robot based on its operational needs. The system’s architecture allows for real-time processing and adaptation to new or evolving datasets and object classes, showcasing a significant advancement in autonomous vehicle technology and object detection methodologies.