Geri Dön

Autonomous drone navigation using deep learning and computer vision

Derin öğrenme ve bilgisayarlı görü kullanarak otonom dron dolaşımı

  1. Tez No: 610759
  2. Yazar: ENDER AYHAN RENCÜZOĞULLARI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ALİ KILIÇ, PROF. DR. SADETTİN KAPUCU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 96

Özet

Bu çalışmada, çıkarım yapma yeteneğine ve otonomiye gerek duyulan operasyonlarda kullanılmak üzere yapılandırılabilir bir İHA sistemi sunulmuştur. Sistem; otonom kalkış, planlı uçuş ve iniş yapma yeteneğine sahip olup, aynı zamanda nesneler hakkında çıkarımda bulunabilmektedir. Otonom uçuş sistemi, Pixhawk'ın açık kaynaklı uçuş yığını yazılımı ve Robot İşletim Sistemi ile inşa edilmiştir. Dolaşım görevi yol noktaları olarak biliniyorsa, robotik işletim sistemindeki denetleyici düğümü iletişim protokolü aracılığıyla uçuş yığınına önceden tanımlanmış bir rota gönderir. Bu, dronun açık alanlarda istenildiği gibi hareket etmesini sağlar. Ayrıca, nesne tespiti yaygın olarak kullanılan bir DNN algoritması ile gerçekleştirilmektedir. Bu algoritma sadece rastgele ayarlamalarla yeniden eğitilerek değil, aynı zamanda TensorRT motoruyla optimize edilerek düzenlenmiştir. Böylece sistem performansı doğruluk ve hız açısından iyileştirilmiştir. Diğer bir deyişle, geliştirilen İHA, uçuş sırasında çevrenin farkındadır. Tüm sistem Jetson TX2 üzerinde çalışmaktadır. Ayrıca, SITL yöntemi hata ayıklama ve hızlı kontrol benzetim amacıyla bir simülatör içersinde kullanılabilir. Böylece muhtemel çarpışmaların gerçek testler sırasında gerçekleşmesi engellenmekte veya hafifletilmesi sağlanmaktadır. Geliştirilen yazılıma ek olarak, sistemi gerçek ortamda çalıştırmak için bir İHA platformu üretilmiştir. İHA'nın tasarım değerlendirmesi, donanım seçimi ve üretimi sunulmuştur.

Özet (Çeviri)

In this study, a configurable autonomous UAV system and platform are presented for operations that require autonomy and inference ability. The system is capable of performing autonomous take-off, planned flight and landing while also making inference about objects. Autonomous flight system is built with open source flight stack of Pixhawk and Robot Operating System (ROS). If navigation task is known as waypoints, controller node in robot operating system sends predefined route to flight stack via communication protocol. That allows the drone navigates in open fields as desired. Also, object detection is implemented with widely used DNN algorithm. This algorithm is not only retrained by applying fine-tuning, also optimized with TensorRT engine so that system performance is improved in terms of accuracy and speed. That is to say, developed UAV is aware of environment during flight. Entire system runs on Jetson TX2 with high GPU performance. Also, SITL method is utilized within a simulator for debugging and fast control prototyping purpose so that most probable crashes can be prevented or mitigated before occurring during real tests. In addition to software a UAV platform is produced for running the developed system in real environment. Design consideration of UAV, hardware selection and production are presented.

Benzer Tezler

  1. Integrating computing vision with deep learning for autonomous robot navigation

    Otonom robot navigasyonu için derin öğrenme ile bilgisayar vizyonunu entegre etmek

    WALEAD KALED SLEAMAN

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Sabahattin Zaim Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ Ali HAMİTOĞLU

  2. Control of autonomous mobile robots using reinforcement learning

    Otonom mobil robotların pekiştirmeli öğrenme ile kontrolü

    CELALETTİN DOĞUKAN ENGİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYDIN YEŞİLDİREK

  3. İç mekanlarda zemin yol modeli üzerinde derin öğrenme ile otonom araçların rota takibi

    Route tracking of autonomous vehicles with deep learning on the floor path model in indoor areas

    MUSTAFA ERGİNLİ

    Doktora

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM ÇİL

  4. Agile flight in dynamic environments: Bridging reinforcement and imitation learning

    Dinamik ortamlarda çevik uçuş: Taklit ve pekiştirmeli öğrenme ile navigasyon

    AHMET GAZİ ÇİFCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZGÜR ERKENT

  5. Çoklu otonom insansız hava araçları için paralel programlama tabanlı yol planlaması

    Parallel programming based path planning for multi autonomous unmmaned vehicles

    ÖMER ÇETİN

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHava Harp Okulu Komutanlığı

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜRAY YILMAZ