Mini autonomous car architecture for urban driving scenarios
Şehir i̇çi sürüş senaryolari için mini otonom araç mimarisi
- Tez No: 595820
- Danışmanlar: PROF. DR. TOLGA CAN, DR. ÖĞR. ÜYESİ SELİM TEMİZER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Şehir trafiğinde sürüş yapabilen otonom araçlar algılama, planlama ve kontrol bileşenlerine ayrılan mimariler olarak uzun zamandır çalışılmaktadır. Derin öğrenme tekniklerindeki son gelişmeler bu yaklaşımın algılama bileşenine önemli ölçüde katkıda bulunmuştur. Bu teknikler ayrıca kamera görüntüleri üzerinden uçtan uca yönelim komutlarının ve sürüş sağlarlıklarının öğrenilmesi gibi diğer yaklaşımların ilerleyişi için de zemin hazırlamıştır. Her ne kadar bu yaklaşımlar genel mimariyi sadeleştirmek için ümit verici olsa da bugünün en gelişmiş, pazara yönelik sürücüsüz araçlarının çoğunluğunu oluşturan ayrışmış mimariler daha ikna edici bulunmaktadır. Bununla birlikte, düşük maliyetli ve hızlı prototip oluşturma platformları olarak düşünülen küçük ölçekli otonom araçlar üzerinde yapılan çalışmalar, modern ayrışmış mimariler üzerine yapılan araştırmalarla aynı düzeyde değildir. Bu çalışmalar genellikle uçtan uca yaklaşımlarla sınırlı kalmakta veya aşırı basitleştirilmiş trafik senaryoları içinde geleneksel görüntü işleme yöntemlerine başvurmaktadır. Bu tezde, küçük ölçekli araçlar için yedi trafik işareti, trafik ışıkları, şerit değişikliği, yonca yaprağı kavşağı, yaya geçitleri ve park işlemi ile genişletilmiş trafik senaryolarını kapsayan ayrışmış bir mimari sunuyoruz. Bu mimariyi gerçekleştirmek için bölütleme ve sınıflandırma veri setleri oluşturduk. Şerit anlamlarını öğrenmek ve trafik levha ve ışıklarını sınıflandırmak için iki derin öğrenme modeli eğittik. Trafik sahnelerine göre en iyi davranış temellerine karar veren bir davranış planlayıcısı geliştirdik. Bu davranış temellerine dayanarak, şerit boyunca en uygun yörüngeleri bulan bir yörünge planlayıcısı ve bu yörüngeleri takip etmek için bir denetleyici gerçekledik. Özgün şerit bölümleme tasarımız, %97 doğru sınıflandırıcımız, dayanıklı planlayıcı ve kontrolcü algoritmalarımızla benzetimli ve gerçek güzergahlarda başarılı sürüşler gerçekleştirdik.
Özet (Çeviri)
Autonomous cars capable of driving in city traffic have been long studied in architectures decomposed into perception, planning, and control components. Recent advances in deep learning techniques considerably contributed to the perception component of this approach. These techniques also laid the groundwork for the progress of other approaches such as end-to-end learning of steering commands and driving affordances from camera images. Though these approaches are promising to simplify the overall architecture, the decomposed architectures are found more persuasive, constituting the majority of today's state-of-the-art, market-oriented driverless cars. However, studies on small-scale autonomous cars, which are considered low-cost and rapid prototyping platforms, are not on a par with research on the modern decomposed architectures. These studies often remain limited to end-to-end approaches or resort to traditional image processing techniques in over-simplified traffic scenarios. In this thesis, we present a decomposed architecture for small-scale cars covering extended traffic scenarios with seven traffic signs, traffic lights, lane changes, cloverleaf interchange, pedestrian crossings, and parking. To realize this architecture, we created segmentation and classification datasets. We trained two deep learning models for learning lane semantics and classifying traffic signs and lights. We developed a behavior planner to decide on the best behavior primitives for traffic scenes. Based on these behavior primitives, we implemented a trajectory planner to find optimal trajectories along the lanes and a controller to follow these trajectories. With our novel lane segmentation scheme, 97% accurate classifier, robust planner and controller algorithms, we achieved successful drives on simulated and real courses.
Benzer Tezler
- Adaptif model öngörülü kontrolör ile konsensus kontrolü
Consensus control with adaptive model predictive control
ANIL YILMAZ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAPRAK YALÇIN
- Design, production and development of mini/micro robots to form a cooperative colony
Kooperatif bir koloni oluşturmak için mini/mikro robotların tasarlanması, üretilmesi ve geliştirilmesi
DİLEK BAŞARAN
Yüksek Lisans
İngilizce
2003
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜLKADİR ERDEN
- Otonom pentapod mini ekskavatör (OPEMEKS)
Autonomous pentapod mini ekscavator (APEKS)
HALİT HÜLAKO
Doktora
Türkçe
2021
Makine MühendisliğiFırat ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ YAKUT
- Autonomous pursuit evasion system for mini Unmanned Aerial Vehicles
Mini İnsansız Hava Araçları için otonom kaçış takip sistemi
ABDULLAH ENES AKDOĞAN
Yüksek Lisans
İngilizce
2021
Savunma ve Savunma TeknolojileriBaşkent ÜniversitesiSavunma Teknolojileri ve Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT ÜÇÜNCÜ
- Mini insansız hava araçları için bir fırçasız motor test sistemi geliştirilmesi
Development of a brushless motor test system for mini unmanned air vehicles
EZGİ ÇAKICI
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN DINDIŞ