Geri Dön

Batarya elektrikli aracın derin öğrenme ve görüntü işleme ile otonom denetiminin gerçekleştirilmesi

Realization of autonomous control by battery electric vehicle deep learning and image processing

  1. Tez No: 613204
  2. Yazar: ABDULHAMİT SEVGİ
  3. Danışmanlar: PROF. DR. RAİF BAYIR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 116

Özet

Gelişen batarya teknolojisi ile batarya elektrikli araçlarla uzun mesafe yolculukları mümkündür. Bu sebeplerle elektrikli araçlara olan ilgi giderek artmaktadır. Batarya elektrikli araçların gelişmesiyle bu araçların otonom hareketinin sağlanması büyük önem arz etmektedir. Otonom, batarya elektrikli araç geliştirmenin amacı olası trafik kazalarını en aza indirmek ve sürücü açısından daha konforlu ve güvenli sürüş sağlamaktır. Bu çalışmada sürücüsüz araç yazılımları geliştirmek için küçük boyutlu akülü bir araç üzerinde modifiyeler yapılarak test düzeneği oluşturulmuştur. OpenCV kütüphanesi ile birlikte görüntü işleme yöntemi kullanılarak Canny hough estimation of. vanishing points (CHEVP) algoritması ile şerit takibi sistemi gerçekleştirilmiştir. Tabela tanıma sistemi derin öğrenme yöntemlerinden evrişimsel sinir ağının transfer öğrenmesi yöntemi kullanılarak geliştirilmiştir. Yazılım testleri deney düzeneği boyutlarına göre tasarlanan pist üzerinde aracın gerçek zamanlı kontrolü yapılmaktadır. Deneysel çalışmalarda otonom sürüş için tasarlanan şerit takibi ve tabela tahmini görevlerinin yüksek doğrulukta yapıldığı görülmektedir.

Özet (Çeviri)

With the developing battery technology, long distance trips are possible with battery electric vehicles. For these reasons, interest in electric vehicles is gradually increasing. With the development of battery electric vehicles, ensuring the autonomous movement of these vehicles is of great importance. The aim of developing autonomous, battery electric vehicles is to minimize possible traffic accidents and provide more comfortable and safe driving for the driver. In this study, modifications were made on a small battery powered vehicle in order to develop driverless vehicle software and a test setup was created. Canny hough estimation of using image processing method in conjunction with the OpenCV library. Lane tracking system was implemented with the vanishing points (CHEVP) algorithm. Signage recognition system has been developed by using the transfer learning method of the convolutional neural network, which is one of the deep learning methods. Real-time control of the vehicle is carried out on the track, which is designed according to the dimensions of software tests, experimental setup. In experimental studies, it is seen that lane tracking and signage estimation tasdesigned for autonomous driving are performed with high accuracy.

Benzer Tezler

  1. Derin öğrenme tabanlı görevlerin kenar bilişim yöntemiyle uzak sunucuya taşınması

    Offloading tasks to remote server for deep learning based applications over edge computing system

    HÜSEYİN ENES İLHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN

  2. Hibrit elektrikli araçlarda batarya performans ve yakıt tüketimi değerlerinin modellenmesi ve optimizasyonu

    Modeling and optimization of battery performance and fuel consumption in hybrid electric vehicles

    YAVUZ ERAY ALTUN

    Doktora

    Türkçe

    Türkçe

    2024

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN AKIN KUTLAR

  3. Energy management of P2 hybrid electric vehicle based on event triggered nonlinear model predictive control and deep Q network

    Olay tetiklemeli nonlineer model öngörülü kontrol ve derin Q ağı temelli P2 hibrit elektrikli aracın enerji yönetimi

    MEHMET CÜNEYT HASPOLAT

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YAPRAK YALÇIN

  4. Elektrikli araçlar için batarya ve ultrakapasitörden oluşan hibrit enerji depolama sisteminin yönetimi

    Energy management of electric vehicle supplied from battery /ultracapacitor hybrid energy storage system

    ZÜLFÜ KUZU

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Mekatronik MühendisliğiFırat Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MEHMET İLYAS BAYINDIR

  5. Elektrikli otobüsler için batarya yönetim sistemi tasarımı

    Battery management system design for electric buses

    SERHAT NAFİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik MühendisliğiEge Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSA ALCI