Adaptive structured and unstructured road detection using LIDAR and dome-camera
LIDAR ve küresel kamera kullanılarak adaptif yapılı ve yapısız yol bulma
- Tez No: 475065
- Danışmanlar: DOÇ. DR. ERHAN İLHAN KONUKSEVEN, YRD. DOÇ. DR. AHMET BUĞRA KOKU
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mekatronik Mühendisliği, Mechanical Engineering, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 103
Özet
Robotik kara araçları bir çok farklı amaç doğrultusunda, değişen yol şartlarında yarı ve tam otonom olarak sıklıkla kullanılmaktadırlar. Verilen görevleri başarıyla gerçekleştirmek için aracın yol bölgelerini yüksek doğruluk oranıyla bulması gerekmektedir. Ayrıca mobil robot değişen yol şartlarına hızlıca adapte olabilmelidir. Bu çalışmanın amacı, yarı-otonom mobil araç için değişen ortam koşullarına uyarlanabilen bir yol bulma algoritmasının geliştirilmesidir. Bu amaçla mobil aracın yapılı ve yapısız çevre şartlarında yol bölgelerini sürerlik içerisinde bulmasını hedefleyen üç farklı yöntem geliştirilmiştir. İlk yöntemde yol bölgeleri LIDAR sensöründen elde edilen verilerin ayırt edici öğrenme tekniğiyle adaptif olarak işlenmesiyle elde edilmiştir. Yapılı ortamlardaki testlerin sonuçlarına göre, algoritma parametrelerinin sabit tutulduğu yaklaşıma kıyasla, önerilen yöntemin sonuçlardaki doğruluk oranını arttırırken, yanlış pozitiflik oranında düşüş sağladığı gözlemlenmiştir. Fakat yapısız ortamlarda yapılan testlerde beklenen sonuçlar elde edilememiştir. Bu sebeple, ortam görsellerini ve mesafe ölçüm verilerini kullanan ikinci bir yol bulma algoritması geliştirilmiştir. Geliştirilen bu ikinci algoritmada, seçilen nokta bulutunun renk tonuna göre filtrelenmesiyle yanlış pozitiflik oranında yaklaşık yarı yarıya bir düşüş gözlemlenmiştir. Önerilen üçüncü yöntemde ise, ortamdaki yol çevrimiçi denetimli öğrenmeye dayalı bir algoritma kullanılarak bulunmuştur. Bu yaklaşımda, ikinci yol bulma yönteminin çıktıları görsel yol modellerinin yaratılmasında ve/veya güncellenmesinde kullanılmıştır. Yapılan testler sonucunda, önerilen metot ile aracın ön ve arkasında yer alan yolun ve yol sınırlarının genel davranışlarının, yolun şeklinden bağımsız olarak bulunabildiği gösterilmiştir.
Özet (Çeviri)
Robotic ground vehicles are widely used in different road conditions to perform various tasks under semi- or fully-autonomous operation. To accomplish given tasks, the vehicle should detect road regions accurately. Also, for a successful operation, the mobile robot requires a quick adaptation for changing road conditions. Objective of this study was developing an adaptive road detection algorithm for a semiautonomous mobile platform (GOAT). For that purpose three different methods were developed to classify road regions ahead of the vehicle both in constructed and unconstructed environments robustly. In the first method, LIDAR sensor was used to detect road regions by processing the data with adaptive parameter sets, which were estimated by discriminative learning approach. Conducted experiments in structured environment showed that road detection accuracy (ACC) increased, while the false positive rate (FPR) decreased compared to the constant parameter approach in literature. However, throughout the tests conducted in unstructured environment, desired results were not obtained. Therefore, the second road detection algorithm based on visual and range measurement data needed to be developed. By this algorithm, approximately 50% decrease in the FPR values was observed for both structured and unstructured road conditions, in which segmented point cloud was filtered based on the hue color channel values. In the third road detection method, an online supervised learning algorithm was developed, which used the outputs of the second road detection algorithm to create and/or update visual road models. In the conducted experiments, it was shown that road regions and general road boundary behaviors can be detected both in front and back directions of the vehicle independent from the road shape.
Benzer Tezler
- GPU-accelerated adaptive unstructured road detection using close range stereo vision
Yakın mesafe stereo görüntü kullanılarak GPU ile hızlandırılmış uyumlu yapısız yol bulma
KADRİ BUĞRA ÖZÜTEMİZ
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET BUĞRA KOKU
DOÇ. DR. ERHAN İLHAN KONUKSEVEN
- Extremum seeking method and its applications in automotive control
Ekstremum arama metodu ve otomotiv kontrolu alanında uygulamaları
ERKİN DİNÇMEN
Doktora
İngilizce
2011
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİLİN AKSUN GÜVENÇ
DOÇ. DR. TANKUT ACARMAN
- Yapay sinir ağları ile robotlarda hareket kontrolü
Motion control of robots with artificial neural networks
HAKAN ARSLAN
Doktora
Türkçe
1999
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF.DR. AHMET KUZUCU
- A general purpose large-eddy simulation/probability density function simulator on block structured grids
Blok yapısal çözüm ağları üzerinde genel amaçlı large eddy simulasyonu / olasılık yoğunluk fonksiyonu çözücüsü
HASRET TÜRKERİ
Doktora
İngilizce
2017
Makine MühendisliğiKoç ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. METIN MURADOGLU
- Neural network based hybrid adaptive controller for robot manipulators
Başlık çevirisi yok
ANIL AYDOĞAN
Yüksek Lisans
İngilizce
1994
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL CILIZ