Heterojen çoklu görüntülerden araçların 3b yeniden oluşturulması ve araç hasarı tespiti için çok aşamalı bir yaklaşım
A multi-stage pipeline for 3d reconstruction of vehicles from heterogeneous multi-view images and vehicle damage detection
- Tez No: 1018395
- Danışmanlar: DR. ÖĞR. ÜYESİ SELCAN KAPLAN BERKAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Görüntüleme-üç boyutlu, Yapı hasarları, Yapısal hasar, Üç boyutlu modelleme, Imaging-three-dimensional, Structure damages, Structural damage, Three dimensional modelling
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Araçların 3B rekonstrüksiyonu ve hasar tespiti, heterojen görüntü kaynaklarından standartlaştırılmış modeller üretmeyi ve hasar analizini konumsal bağlamıyla gerçekleştirmeyi hedeflerken zorlu bir görev olmaya devam etmektedir. Geleneksel yaklaşımlar tek nesneleri modellemede başarılı olsa da aydınlatma ve arka plan farklılıkları sergileyen kontrolsüz çok görüşlü veri kümelerinden genelleştirilmiş modeller oluşturmada ve hasarları 3B yüzey üzerinde konumlandırmada yetersiz kalmaktadır. Bu çalışma, söz konusu sınırlamaları ele alan, 3B rekonstrüksiyon ve otomatik hasar analizini birleştiren uçtan uca iki aşamalı yeni bir çerçeve sunmaktadır. İlk aşamada, otomatik bir araç 3B modelleme hattı geliştirilmiştir; bu hat arka plan kaldırma, EfficientNet-B0 tabanlı yön sınıflandırması ve komşu tabanlı COLMAP eşleştirmesini içermektedir. İkinci aşamada ise, CarDD veri kümesi ile ince ayar yapılmış YOLOv11-seg ve RF-DETR derin öğrenme modelleri kullanılarak 2B görüntülerden hasar tespiti ve segmentasyonu gerçekleştirilmektedir. Elde edilen hasarlı bölgeler, üretilen Gaussian Splatting tabanlı 3B modeller üzerine konumsal olarak yansıtılmaktadır. Önerilen yöntem 114 farklı araç modeline başarıyla uygulanmış, üretilen 3B araç modelleri ve hasar projeksiyonlarından oluşan veri kümesi literatüre katkı sağlamak amacıyla kamuya açık olarak paylaşılmıştır. Bu çalışma, hasar bölgelerinin bağımsız 2B kareler yerine 3B araç yüzeyi üzerinde uzamsal bağlamıyla belirlenmesine olanak tanıyarak, dijital sigortacılık ve uzaktan araç ekspertiz süreçleri için yenilikçi, entegre bir görselleştirme ve analiz çerçevesi sunmaktadır.
Özet (Çeviri)
3D reconstruction and damage assessment of vehicles remain challenging tasks, particularly when aiming to generate standardized models from heterogeneous image sources and contextualize damage analysis. While traditional Structure-from-Motion approaches excel at reconstructing individual objects, they struggle with creating generalized models from uncontrolled multi-view datasets exhibiting variation in lighting and background, as well as mapping defects onto 3D surfaces. This paper presents a novel end-to-end dual-framework that integrates automated vehicle 3D reconstruction with deep learning-based damage analysis to address these limitations. In the first phase, an automated 3D reconstruction pipeline is introduced, incorporating background removal, EfficientNet-B0 orientation classification, and neighbor-based COLMAP sparse reconstruction. In the second phase, vehicle damage detection and segmentation are performed on 2D images using YOLOv11-seg and RF-DETR models fine-tuned on the CarDD dataset. The detected damage zones are then spatially projected onto the reconstructed 3D Gaussian Splatting models. The proposed methodology was successfully validated across 114 distinct vehicle models, and the resulting dataset, consisting of 3D vehicle geometries and damage projections, has been made publicly available. By transitioning damage localization from isolated 2D frames to the spatial context of a 3D vehicle surface, this study provides an innovative, integrated visualization and analysis framework highly applicable to digital insurance expertise and remote vehicle evaluation scenarios.
Benzer Tezler
- Histogram-based sampling and multi-level global registration for 3D point clouds
3B nokta bulutları için histogram tabanlı örnekleme ve çok katmanlı global eşleştirme
OSMAN ERVAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Explainable medical ai systems for visual and speech based medical diagnosis
Görsel ve konuşma tabanlı tıbbi teşhis için açıklanabilir tıbbi yapay zeka sistemleri
ŞEVVAL İLHAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF SİNAN AKGÜL
- Kronik obstrüktif akciğer hastaliği (KOAH) klinik-radyolojik fenotiplerinin serum biyobelirteçleri ile olan ilişkisinin değerlendirilmesi
Correlation between serum biomarkers and clinical-radiological phenotypes of chronic obstructive pulmonary disease(COPD)
ELİF PEYNİR
Tıpta Uzmanlık
Türkçe
2013
Göğüs HastalıklarıBülent Ecevit ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. MÜGE MELTEM TOR
- Microwave imaging of breast cancer with contrast agents
Meme kanserinin kontrast ajanlarla mikrodalga görüntülemesi
SEMA YILDIRIM
Doktora
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ÇAYÖREN
- Graph neural networks for interpersonal relationship recognition in images
Görsellerde kişilerarası ilişki tanıma için grafik sinir ağları
SİMGE AKAY TEMUR
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NAFİZ ARICA