Gömülü platformlar için kuşbakışı görüntüler üzerinden derin öğrenme temelli gerçek zamanlı şerit tespit sistemi
Real-time deep learning based lane marking system over bird's eye view for embedded platforms
- Tez No: 611609
- Danışmanlar: PROF. DR. OĞUZHAN URHAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Otonom araçlar son yıllarda büyük önem kazanmaktadır. Şerit takip sistemleri otonom araçların en önemli bileşenleridir. Şerit takip işlemi için şerit işaretlerinin başarılı bir şekilde tespit edilmesi gerekmektedir. Bu çalışmada otonom araçlar için şerit işaretlerinin tespitine yönelik derin öğrenme temelli gerçek zamanlı bir yöntem önerilmektedir. Önerilen yöntemde kameradan alınan görüntüler öncelikle kuş bakışı görüntülerine çevrilmekte ve şerit işaretlerinin bulunması nesne tespit problemi olarak ele alınmaktadır. Nesne tespiti işleminde derin öğrenme kullanan YOLO yönteminden faydalanılmaktadır. YOLO yöntemiyle şerit işaretleri sınırlayıcı kutular içine alınarak tespit edilmektedir. Bu sınırlayıcı kutuların ortasında oluşturulan çizgiler sayesinde ters kuş bakışı dönüşümü sonrası şerit işaretlerinin orijinal görüntüdeki yeri tespit edilmektedir. Son işlem aşamasında tespit edilen şerit işareti konumları filtrelenerek işlenmektedir. Böylece anlık şerit işareti tespit edilmeme durumlarının performansa olası olumsuz etkisi giderilmektedir. Ayrıca önerilen yöntem gömülü platformlarda gerçek zamanlı çalışma yeteneğine sahiptir.
Özet (Çeviri)
Autonomous vehicles have gained importance in recent years. Lane detection systems are most important components of autonomous vehicles. Lane markings are need to be detected successfully for lane detection systems. In this study, deep learning based real time method is proposed for lane detection for autonomous vehicles. In the proposed method, images that captured from camera is converted to bird's eye view perspective and the presence of lane markings are considered as object detection problem. In object detection process, YOLO method that using deep learning is used. The lane markings area is detected in bounding boxes thanks to YOLO method. With the lines that are center position of bounding boxes, lane markings in the location of original image is detected after reverse bird's eye view image transformation. At the last step of processing, filtering to the detected lane marking locations. Thus, the negative impact of the instances not detected instantly are eliminated. Additionally, the proposed method is capable of working real-time on embedded platforms.
Benzer Tezler
- Gömülü platformlar için görüntü işleme temelli gerçek zamanlı şerit tespit ve uyarı yöntemleri
Image processing based real-time lane detection and warning methods for embedded platforms
AYHAN KÜÇÜKMANİSA
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZHAN URHAN
- Gömülü grafik işlemcileri için opencl tabanlı görüntü işleme kütüphanesi ve insan yüzü tespit etme uygulaması
Opencl based image processing library for embedded gpgpus and a sample face detection application
OSMAN SEÇKİN ŞİMŞEK
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. OĞUZ ERGİN
- Aygıt ağacı yazılımlarının model güdümlü geliştirilmesi
Model-driven development of device tree software
SADIK ARSLAN
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiUluslararası Bilgisayar Ana Bilim Dalı
DOÇ. DR. GEYLANİ KARDAŞ
- Gömülü sistemler üzerinde opencl tabanlı görüntü işleme kütüphanesi ve kernel füzyon
Opencl based image processing library and kernel fusion on embedded systems
HAKKI DOĞANER SÜMERKAN
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. OĞUZ ERGİN
- Embedded WEB server design for management of real time system
Gerçek zamanlı gömülü sistemler için ağ sunucusu tasarımı
NURŞEN AYAYDIN
Yüksek Lisans
İngilizce
1999
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SEMİH BİLGEN