İHA üzerinden derin öğrenme tabanlı nesne belirlenmesi ve GNSS konum koordinatlarının hesaplanması
Deep learning based object detection via UAV and computation of GNSS location coordinates
- Tez No: 647819
- Danışmanlar: PROF. DR. HASAN ERDAL, DR. ÖĞR. ÜYESİ BARIŞ DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Havacılık Mühendisliği, Mekatronik Mühendisliği, Computer Engineering and Computer Science and Control, Aeronautical Engineering, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 104
Özet
Robotik sistemler, günümüzde otonom (insansız) görev uygulamalarında kullanılmaktadır. İnsansız Hava Aracı (İHA) robotik sistemlere örnek olarak verilebilir. Askeri ve sivil alanda birçok uygulamada kullanılan İHA'lar, üzerlerine eklenen çeşitli teknolojilere sahip algılayıcılar yardımıyla engelden kaçınma, nesne tanıma, otonom hedef tespiti gibi birçok görevi yerine getirebilir. Bu türden görevlerde görüntü işleme teknikleri olarak derin öğrenme ve makine öğrenmesi tabanlı yapay zekâ algoritmalarının kullanımı giderek yaygınlaşmaktadır. Bu çalışmada, İHA aracılığıyla hedef olarak seçilen nesnenin Küresel Uydu Yönlendirme Sistemi (GNSS) koordinatlarını uzaktan hesaplayabilen bir sistem tasarlanmıştır. Sistemin kalbini 3 eksen yalpaya monte edilmiş kamera ve lazerli mesafe ölçer modülü (LiDAR) oluşturmaktadır. LiDAR yalpa üzerindeki kameranın yanına ve aynı doğrultuda yerleştirilmiştir. Anlık kamera görüntüsü ve LiDAR mesafe verileri canlı olarak arayüz yazılımına aktarılmaktadır. Arayüz yazılımında derin öğrenme yöntemleriyle görüntüdeki olası hedefler çerçevelenir. Kullanıcı seçtiği hedefi ortalayacak şekilde uzaktan kumandayla yalpa sistemini hareket ettirerek hedefi ekranın merkezine getirebilir. Arayüz yazılımından butona basılmasıyla birlikte İHA'nın GNSS koordinatları, yaw açısı ve hedef mesafesi ile yalpanın yaw ve pitch açıları düzenlenerek Vincenty formülüne gönderilir. Hedefin GNSS koordinatları hesaplanır. Sistemin başarımını test etmek için örnek hedef nesnelerin GNSS koordinatları statik olarak ölçülüp İHA üzerinden dinamik olarak hesaplanan koordinatlar ile karşılaştırılmıştır. Haversine formülüyle, İHA'nın ölçüm sırasındaki koordinatından statik olarak ölçülen ve dinamik olarak hesaplanan koordinatlara olan mesafe ve yönelim açısı bulunmuştur. Hesaplanan koordinatın başarımı, elde edilen sapma açısı ve mesafelerin bağıl hata yüzdesi üzerinden değerlendirilmiştir. Bu çalışma Marmara Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimi (BAPKO) tarafından desteklenmiştir (Proje No: FEN-C-YLP-170419-0123).
Özet (Çeviri)
Robotic systems nowadays are used in autonomous (unmanned) task applications. An Unmanned Aerial Vehicle (UAV) can be given as an example of robotic systems. UAVs, which are used in many applications in military and civilian fields, can perform many tasks such as obstacle avoidance, object recognition, autonomous target detection with the help of sensors with various technologies attached to them. Using deep learning and machine learning based on artificial intelligence algorithms are becoming increasingly common as image processing techniques in such tasks. In this study, a system is designed to calculate remotely the Global Navigation Satellite System (GNSS) coordinates of the selected object as a target via the UAV. The heart of the system is a 3-axis gimbal-mounted camera and laser distance measurement module (LiDAR). LiDAR is placed next to the camera on the gimbal and in the same direction. Live camera images and LiDAR distance data are transferred in real-time to the interface software. Possible targets in the image are framed by deep learning methods on the interface software. The user can move the gimbal system with the remote control to center the chosen target to the center of the screen. By pressing the button on the interface software, the GNSS coordinates, yaw angle and target distance of the UAV and yaw and pitch angles of the gimbal are arranged and sent to the Vincenty formula. The GNSS coordinates of the target are calculated. In order to test the performance of the system, the GNSS coordinates of the sample target objects were measured statically and compared with the coordinates calculated dynamically on the UAV. Distance and bearing angle, which are from the coordinate of the UAV during the measurement to statically measured and dynamically calculated coordinates, are found with the Haversine formula. The performance of the calculated coordinate was evaluated by the obtained yaw angle and the relative error percentage of distances. This study was supported by Marmara University Scientific Research Projects Coordination Unit (Project No: FEN-C-YLP-170419-0123).
Benzer Tezler
- Nesneye yönelik kural tabanlı sınıflandırma ve derin öğrenme yöntemleri ile otomatik yol çıkarımı olanaklarının araştırılması
Investigation of automatic road extraction possibilities with object oriented rule-based classification and deep learning methods
ZEYNEP BAYRAMOĞLU
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK
- İnsansız hava araçlarında gerçek zamanlı nesne tespiti ve sınıflandırma için gömülü sistem ve derin öğrenme tekniklerinin kullanılması
Using embedded system and deep learning techniques for real-time object detection and classification in unmanned vehicles
ZİYA SAYGILI
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiSelçuk ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN
- Target detection and tracking from unmanned aerial vehicle cameras using embedded GPU
Gömülü cihazlar kullanarak insansız hava araçları üzerinden hedef tespit ve takibi
FIRAT MEHMETOĞLU
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YAHYA KEMAL BAYKAL
- İnsansız hava araçları için derin öğrenme tabanlı otonom iniş sisteminin geliştirilmesi
Development of deep learning-based autonomous landing system for unmanned aerial vehicles
HASAN HAMED
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiFırat ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMÜR AYDOĞMUŞ
- Visual object tracking by using deep neural networks
Derin sinir ağları kullanılarak görsel nesne takibi
HASAN SARİBAŞ
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiHavacılık Elektrik ve Elektroniği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNEM KAHVECİOĞLU
PROF. DR. HAKAN ÇEVİKALP