Dinamik ortamlarda çalışabilen görsel SLAM uygulamalarının geliştirilmesi
Improvement of visual SLAM applications for dynamic environments
- Tez No: 1011503
- Danışmanlar: PROF. DR. FİKRET ARI
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Eşzamanlı Konumlandırma ve Haritalama (Simultaneous Localization and Mapping -- SLAM), bir gözlemcinin bilinmeyen bir ortamda eş zamanlı olarak kendi konumunu tahmin etmesini ve çevresinin haritasını oluşturmasını amaçlayan temel bir problemdir. Görsel SLAM yöntemleri, düşük maliyetli donanım gereksinimleri ve sundukları zengin çevresel bilgi nedeniyle yaygın olarak tercih edilmektedir. Ancak mevcut görsel SLAM yaklaşımlarının büyük bir kısmı ortamın statik olduğu varsayımına dayanmakta ve hareketli nesnelerin bulunduğu sahnelerde ciddi konumlandırma hataları üretmektedir. Bu tez çalışmasında, monoküler kamera kullanan görsel SLAM sistemlerinin dinamik ortamlardaki dayanıklılığını artırmak amacıyla, öğrenme tabanlı olmayan ve yalnızca geometrik kısıtları temel alan iki optik akış tabanlı yöntem önerilmiştir. İlk olarak, optik akış vektörlerinin epipolar doğrultu ile olan açısal tutarlılığını analiz eden Epipolar Açı Tutarlık (EAT) yöntemi tanımlanmıştır. Ardından, farklı kamera hareket modellerinde akış vektörlerinin küresel yönelim davranışını temsil eden Hareket Doğrultu Noktası (HDN) kavramı sunulmuş ve akış vektörlerinin bu nokta ile olan açısal ilişkileri kullanılarak statik ve dinamik öznitelik noktalarının ayrıştırılması sağlanmıştır. Önerilen yöntemler ORB-SLAM algoritmasına entegre edilmiş ve standart dinamik veri seti üzerinde değerlendirilmiştir. Deneysel sonuçlar, EAT yönteminin konumlandırma doğruluğunda yaklaşık %37, HDN yönteminin ise yaklaşık %45 oranında iyileştirme sağladığını göstermektedir. Elde edilen bulgular, önerilen yaklaşımın anlamsal bilgi veya öğrenme süreci gerektirmeden, gerçek zamanlı ve genellenebilir bir dinamik SLAM çözümü sunduğunu ortaya koymaktadır.
Özet (Çeviri)
Simultaneous Localization and Mapping (SLAM) is a fundamental problem that aims to enable an observer to simultaneously estimate their own position and map their surroundings in an unknown environment. Visual SLAM methods are widely preferred due to their low-cost hardware requirements and the rich environmental information they provide. However, a large portion of existing visual SLAM approaches are based on the assumption that the environment is static and produce significant localization errors in scenes with moving objects. In this thesis, two non-learning-based optical flow-based methods, relying solely on geometric constraints, are proposed to improve the robustness of visual SLAM systems using monocular cameras in dynamic environments. First, the Epipolar Angle Consistency (EAT), which analyzes the angular coherence of optical flow vectors with the epipolar direction, is defined. Then, the concept of Motion Direction Point (HDN), which represents the global orientation behavior of flow vectors in different camera motion models, is introduced, and the separation of static and dynamic feature points is achieved using the angular relationships of the flow vectors with this point. The proposed methods were integrated into the ORB-SLAM algorithm and evaluated on a standard dynamic dataset. Experimental results show that the EAT method improves positioning accuracy by approximately %37, while the HDN method improves it by approximately %45. The findings reveal that the proposed approach offers a real-time and generalizable dynamic SLAM solution without requiring semantic information or a learning process.
Benzer Tezler
- Optimized visual odometry and satellite image matching-based localization for UAVS in GPS-denied environments
GPS olmayan ortamlarda İHA'lar için optimizasyonlu görsel odometri ve uydu görüntüsü eşleştirme tabanlı konumandırma
ÖMER SEFA ÖZTÜRK
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. ALPTEKİN YILDIZ
- Developing object detection, tracking and ımage mosaicing algorithms for visual surveillance
Görsel gözetim için obje tespiti, takibi ve görüntü mozaikleme algoritmalarinin geliştirilmesi
TAYGUN KEKEÇ
Yüksek Lisans
İngilizce
2013
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ÜNEL
- Human activity classification via trainable fractional Fourier transform
Öğrenilebilir kesirli Fourier dönüşümü ile insan aktivitesi sınıflandırması
ÖZENÇ UĞUR
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER MORGÜL
- Multimodal vision-based driver monitoring system in autonomous vehicles
Çok modlu görüntü tabanlı sürücü izleme sistemi otonom araçlarda
LEILA GHASEMZADEH
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. SEFER BADAY
- Multimodal sensor fusion for detecting and classifying robot manipulation failures
Robot manipülasyon hatalarını tespit ve sınıflandırma için çoklu sensör füzyonu
ARDA İNCEOĞLU
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SANEM SARIEL UZER
DOÇ. DR. EREN ERDAL AKSOY