Trajectory prediction of moving object by means of natural networks

Abstract

ÖZ Hareket halindeki bir üç boyutlu nesnenin zamana göre uzaydaki ardaşık çizgisel ve açısal konumlarından yararlanarak hareketinin tahmin edilmesi kontrol ve robotik uygulamaları açısından son derece önemlidir. Örneğin, seyir halindeki araçların otomatik yönlendirilmesi, süreç yönlendirme, hareketli nesnelerin takibi, planlama ve gözetleme gibi uygulamalar hareket parametrelerinin tahminine ihtiyaç duyarlar. Hareket kestirimi problemi eski bir problem olmakla birlikte, ( formülasyonu bu yüzyılın başlarına dayanmaktadır ) bilim adamları bu problemin çözümü için ancak son zamanlarda, doğrusal olmayan sistemler teorisi yardımıyla tasarlanmış araçlara kavuşabilmişlerdir. Yapay sinir ağları, doğrusal olmayan dinamik sistemlerin parametrelerinin kestirilmesinde kullanılan araçların en yenilerindendir. Cisimlerin konum, hız ve ivmeleri bu hareket parametrelerinin önceki n sayıda ölçüm değerinin ayrı yapay sinir ağlarına girdi olarak verilmesiyle kestirilmektedir. Birkaç farklı yapay sinir ağ modelinin değişik düzenlemeli göz önüne alınarak tartışılmış ve problemin çözümünde nasıl kullanıldığı anlatılmıştır. Her düzenleme için yapay sinir ağlarının nasıl eğitildiğine ilişkin yöntemlerden ayrıntılı şekilde bahsedilmiştir. Farklı özellikteki hareketlerin değişik ağ modellerinin farklı düzenlemeriyle yapılan kestirimlerin başarımları karşılaştırılmalı olarak sunulmuştur.

Abstract Estimating the three-dimensional motion of an object from a sequence of object positions and orientation is of significant importance in variety of applications in control and robotics. For instance, autonomous navigation, manipulation, servo, tracking, planning and surveillance needs prediction of motion parameters. Although `motion estimation` is an old problem (the formulations date back to the beginning of the century), only recently scientists have provided with the tools from nonlinear system estimation theory to solve this problem. Neural Networks are the ones which have recently been used in many nonlinear dynamic system parameter estimation context. The approximating ability of the neural network is used to identify the relation between system variables and parameters of a dynamic system. The position, velocity and acceleration of the object are estimated by several neural networks using the n most recent measurements of the object coordinates as input to the system. Several neural network topologies with different configurations are introduced and utilized in the solution of the problem. Training schemes for each configuration are given in detail. Simulation results for prediction of motion having different characteristics via different architectures with alternative configurations are presented comparatively.