Συντάχθηκε 22-09-2026 08:47
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 22/09/2026 17:30
Λήξη: 22/09/2026 18:30
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Μιχαέλας Καπουράνη
με θέμα
Σχεδιασμός και Υλοποίηση Ασφάλειας Πεζών με βάση το LiDAR
Designing and Implementing LiDAR-based Pedestrian Safety
Εξεταστική Επιτροπή
Καθηγητής Θρασύβουλος Σπυρόπουλος (επιβλέπων)
Καθηγητής Γεώργιος Καρυστινός
Δρ Ιωάννης Πευκιανάκης (Apple)
Περίληψη
Η χρήση κινητών τηλεφώνων κατά τη βάδιση μπορεί να αποσπάσει την προσοχή των πεζών, περιορίζοντας την αντίληψη του περιβάλλοντος και αυξάνοντας τον κίνδυνο σύγκρουσης με εμπόδια. Η παρούσα διπλωματική εργασία διερευνά την αξιοποίηση του αισθητήρα LiDAR που διαθέτουν οι συσκευές iPhone Pro και Pro Max ως συμπληρωματικού μέσου αντίληψης του περιβάλλοντος, με στόχο την ανίχνευση επικίνδυνων εμποδίων και την έγκαιρη προειδοποίηση του πεζού.
Αρχικά αξιολογήθηκαν τα χαρακτηριστικά, η ακρίβεια και η αξιοπιστία της πληροφορίας βάθους που παρέχεται μέσω του ARKit. Με χρήση της εφαρμογής StrayScanner συλλέχθηκαν δεδομένα βάθους και αντίστοιχες τιμές confidence σε ρεαλιστικές και ελεγχόμενες συνθήκες. Τα αποτελέσματα έδειξαν ότι το confidence επηρεάζεται από την απόσταση και τις περιβαλλοντικές συνθήκες. Οι μετρήσεις σε επίπεδους στόχους παρουσίασαν ακρίβεια της τάξης των εκατοστών, ενώ η συμπερίληψη μετρήσεων medium confidence αύξησε σημαντικά τη χωρική κάλυψη και βελτίωσε την αναπαράσταση της γεωμετρίας των αντικειμένων.
Με βάση τα παραπάνω αναπτύχθηκε σε Python σύστημα ανίχνευσης εμποδίων και εκτίμησης κινδύνου σύγκρουσης. Τα δεδομένα βάθους ανακατασκευάζονται σε τρισδιάστατες συντεταγμένες και μετασχηματίζονται στο σύστημα συντεταγμένων του ARKit. Στη συνέχεια αφαιρείται η επιφάνεια του εδάφους, τα υπόλοιπα σημεία ομαδοποιούνται σε πιθανά εμπόδια και εκτιμάται η κίνηση του χρήστη και των αντικειμένων. Ο κίνδυνος σύγκρουσης αξιολογείται βάσει της σχετικής κίνησης, μέσω περιοχής ασφαλείας και πρόβλεψης του χρόνου έως τη σύγκρουση, ενώ οι άμεσοι κίνδυνοι σε μικρή απόσταση αντιμετωπίζονται ανεξάρτητα ώστε να ενεργοποιείται προειδοποίηση χωρίς πρόσθετη καθυστέρηση. Τα αποτελέσματα δείχνουν ότι το σύστημα μπορεί να παρέχει έγκαιρες προειδοποιήσεις τόσο για άμεσους κινδύνους όσο και για προβλεπόμενες συγκρούσεις. Παράλληλα, η αξιολόγηση του χρόνου επεξεργασίας, της θερμικής συμπεριφοράς και της κατανάλωσης μπαταρίας δείχνει ότι η λειτουργία σε πραγματικό χρόνο είναι εφικτή, με μέσο ρυθμό περίπου 15 καρέ ανά δευτερόλεπτο. Συνολικά, η εργασία παρέχει τη βάση για μελλοντική υλοποίηση και ενσωμάτωση του συστήματος σε συμβατή συσκευή iPhone.
Abstract
Smartphone use while walking can distract pedestrians, reduce awareness of the surrounding environment, and increase the risk of collisions with obstacles. This thesis investigates the use of the LiDAR sensor available on iPhone Pro and Pro Max devices as an additional sensing layer for detecting potentially hazardous obstacles and warning the pedestrian.
The work first evaluates the characteristics, accuracy, and confidence of the depth information provided through ARKit. LiDAR-derived depth and confidence data were collected using the StrayScanner application under both realistic and controlled conditions. The results showed that confidence is influenced not only by distance, but also by environmental conditions. Controlled measurements using planar targets demonstrated centimetre-level depth accuracy across the evaluated range, while the inclusion of medium-confidence measurements substantially increased scene coverage and improved the representation of object geometry.
Based on these findings, a complete offline pedestrian-safety pipeline was developed in Python. Depth measurements are reconstructed into three-dimensional coordinates and transformed into the ARKit world coordinate system. The ground surface is then estimated and removed, while the remaining points are clustered into candidate obstacles. User and obstacle motion are subsequently estimated over time. Collision risk is evaluated from their relative motion using a defined safety region and time-to-collision prediction. Immediate near-field hazards are handled independently of object tracking, allowing nearby obstacles to trigger warnings without the additional latency associated with temporal processing.
Experimental results show that the system can provide sufficiently early warnings for both immediate hazards and predicted future collisions. Processing latency, thermal behaviour, and battery-consumption measurements further indicate that real-time operation is feasible, with the developed pipeline achieving an average processing rate of approximately 15 frames per second.
Overall, the work demonstrates how smartphone LiDAR sensing, confidence-aware depth processing, geometric scene analysis, and motion estimation can be combined into a pedestrian obstacle-warning system. The proposed approach is intended as a supplementary safety mechanism and provides a basis for future real-time implementation and direct integration into compatible iPhone devices.
Meeting ID: 978 0765 1978
Password: 920680
