Geri Dön

Estimation of gravity direction using a machine learning model trained on imperfect IMU data

Gürültülü sensör verileriyle eğitilmiş bir makine öğrenmesi modeli kullanılarak tek bir görüntü üzerinde yerçekimi yönü tespiti

  1. Tez No: 527860
  2. Yazar: BETÜL ZELİHA TÜRKKOL T.T.ABUZARIFA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ YAKUP GENÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Gebze Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 61

Özet

Yerçekimi yönü tespiti, bilinmeyen bir ortamda kendi kendini konumlandırmanın doğal bir yoludur. Insanlar bu tespiti iç kulak yardımıyla yaparlar. Tek bir görüntü kullanarak yerçekimi yönünü tespit etmekten konulandırmayla bağlantılı bir çok görev yararlanabilir. Bu tür görevlere örnek olarak; sürücüsüz kara araçları ve arttırılmış gerçeklik uygulamaları gösterilebilir. Yerçekimi yönü bilgisini bir tek kare görüntüden çıkarmak için genellikle sahneden bir konumlayıcı nesne kullanılır. Örneğin; trafik ışıkları yerçekimi yönünde konumlanmış olduklarından bu tür bir konumlayıcı olarak kullanılabilir. Konumlayıcı nesneye dayanan yaklaşımlarda, konumlayıcı olarak kullanılmak için elle oluşturulan bir çok örnek sahneye ihtiyaç duyulur. Ancak yeterli miktarda görüntü ve görüntülerin yerçekimi bilgisinden oluşan veri setleri üzerinde makina öğrenmesi teknikleri aracılığıyla konumlayıcılar modellenebilir. Bu tezde klasik görüntü geometrisine dayalı yöntemlerle makina öğrenmesine dayalı yöntemler gerçeklenip karşılaştırılmıştır. Ayrıca tez, yerçekimi tespiti sorununa kendi önerimiz olan bir yaklaşım da içermektedir. Bu yöntemde, bir akıllı telefona entegre Atalet Ölçüm Biriminden gelen okumalar gerçek değer olarak very setinde yer almıştır. Atalet Ölçüm Birimi (IMU), gürültülü algılayıcılar olarak bilinir ve bunlardan elde edilen okumalar kullanılmadan once genellikle kullanılacak uygulamalnın amacına bağlı olarak gürültü giderici işlemlerden geçirilir. Tezde önerilen metod, gürültülü okumalar direkt kullanılarak oluşturulmuş geniş bir veri seti üzerinde Derin Sinir Ağları tabanlı sınıflandırıcı ve regresör ayrı ayrı eğitilerek gerçeklenmiş ve deneysel sonuçlar ayrıntılı olarak sunulmuştur. Sunulan deneysel sonuçlarda Evrişimsel Sinir Ağları yeterli miktarda görüntü üzerinde eğitildiğinde, görüntünün etiketlenmesindeki gürültüden bağımsız olarak yerçekimi yönü tespitini gerçekleştirmenin mümkün olduğu gösterilmiştir. Elde edilen sonuçlar 4 derece doğruluk sağlamaktadır. Bu hata piyasada bulunan akıllı telefon atalet ölçüm birimlerinin hatası içindedir.

Özet (Çeviri)

Direction of gravity is a natural way of orienting oneself in an unknown environment. Human beings do this with equilibrioception. It would be beneficial to estimate the direction of gravity from a single image for many tasks such as autonomous driving and augmented reality where the knowledge of location of the agent is very important. Extracting this knowledge from an image usually requires a reference to be identified. For example, a traffic light can give away the direction of gravity as it has to be placed in an environment in a specific way with respect to the gravity. Reference-based approaches require a lot of hand modeling for solving the problem. When there are a lot of images with ground truth data is available, one can model these references implicitly using machine learning techniques. In this thesis we provide comparison with classical geometry-based approaches and learning-based approaches. We also proposed a method in which estimation direction of gravity is defined as a regression as well as a classification problem. Two main convolutional deep neural network architectures are used as both regressor and classifier by training on a lot of images with corresponding direction of gravity measurements taken from a camera and inertial magnetic unit (IMU) sensors of a smart phone. IMUs are known as noisy sensors which are needed to be refined before being used by applications. We show that if a Convolutional Neural Network (CNN) is trained on enough amount of image data, even in case of images are weakly labeled, it is possible to estimate direction of gravity from a single image. As the results show, the method is able to estimate the gravity direction within 4 degrees. This is within the accuracy of the IMUs available on smart phones.

Benzer Tezler

  1. Zincir eğrisi ve ivmeölçer kullanarak kamera kalibrasyonu

    Camera calibration using catenary and accelerometer

    OKAY ARIK

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM

  2. Visual-inertial sensor fusion for 3D urban modeling

    Görsel-ataletsel duyaç tümleştirme kullanılarak şehirlerde 3B modelleme

    SALİM SIRTKAYA

    Doktora

    İngilizce

    İngilizce

    2013

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULLAH AYDIN ALATAN

  3. S-Transformasyonu ve yatay kontrol ağlarında deformasyon analizi

    S-Transformation and deformation in horizontal control networks

    BEDRETTİN BAŞKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    PROF.DR. AHMET AKSOY

  4. Metocean pushover analysis of a jacket-type offshore platform with different bracing systems

    Farklı çapraz sistemli ceket tipi açık deniz petrol platformunun okyanussal yüklerle statik itme analizi

    ERDEM EREZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KADİR ÖZAKGÜL

  5. Lageos I ve lageos II için doğruluk analizi

    Başlık çevirisi yok

    GAYE KIZILSU

    Doktora

    Türkçe

    Türkçe

    1998

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Ölçme Tekniği Ana Bilim Dalı

    DOÇ. DR. MUHAMMET ŞAHİN