Derin öğrenme kullanılarak trafik koşullarına uygun otonom araç uygulaması
Autonomous vehicle application suitable for traffic conditions using deep learning
- Tez No: 695811
- Danışmanlar: PROF. DR. ALİ SÜRMEN, DOÇ. DR. CEMAL HANİLÇİ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Otomotiv Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Teknolojinin geliştiği ve firmaların küreselleşme çabası içerisinde yatırımlarını arttırdığı bir dönemde, yeni fikirlerin ortaya çıkması ve rekabetin artması kaçınılmaz hale gelmiştir. Zaman içerisinde cihazların donanım kapasitelerinin de artması sonucu birçok sektörde otonom sistem çalışmaları hız kazanmıştır. Makine öğrenmesi ve derin öğrenme alanındaki gelişmeler karmaşık problemlerin çözümüne ve birçok farklı uygulamanın geliştirilmesine olanak sağlamıştır. Otonom araçlar, insan müdahalesi gerektirmeyen ve kendi kendine hareket kabiliyetine sahip olan araçlardır. Son yıllarda otonom araçlar, askeri, ticari ve araştırma projeleri olmak üzere hem akademik alanda, hem savunma sanayi alanında hem de özel sektörde kendine yer edinmiştir. Otonom araçların gelişimi ve kullanımının yaygınlaşması ile sürücü kaynaklı trafik kazalarının engellenebileceği, yakıt tasarrufunun artacağı ve yoğun trafik sıkışıklığı problemini ortadan kaldıracağı öngörülmektedir. Bu bağlamda tez çalışmasında, yapay sinir ağlarının temel çalışma prensipleri, fonksiyonları ve barındırdıkları değişkenler incelenmiştir. Ardından, 0'dan 9'a kadar olan sayılardan oluşan MNIST veri setine dayalı olarak bir evrişimli sinir ağı modeli oluşturulmuştur. Tüm ağ katmanları detaylıca incelenmiş ve modelin başarı sonuçları grafikler ile değerlendirilmiştir. Son olarak sürücüsüz bir aracın özerk hareketi için derin öğrenme modeli oluşturularak, bir sinir ağı eğitimi gerçekleştirilmiştir. Çalışma esnasında Torch kütüphanesi kullanılmış ve GPU üzerinden çalışan bir derin öğrenme uygulaması gerçekleştirilmiştir. Çalışma kapsamında araç kiti, Jetson Nano geliştirme kartı, Raspberry Pi kamera modülü ve ultrasonik sensör kullanılmış, otonom sürüş için de bir parkur hazırlanmıştır. Eğitilen sinir ağı modeliyle beraber aracın otonom bir şekilde parkuru tamamlaması sağlanmış ve çalışmanın sonuçları grafiklerle sunulmuştur.
Özet (Çeviri)
In a period when technology develops and firms increase their investments in the effort of globalization, it has become inevitable for new ideas to emerge and competition to increase. As a result of the increase in the hardware capacities of the devices over time, autonomous system studies have accelerated in many sectors. Advances in machine learning and deep learning have enabled the solution of complex problems and the development of many different applications. Autonomous vehicles are vehicles that do not require human intervention and have the ability to move on their own. In recent years, autonomous vehicles have gained a place in both the academic field, the defense industry and the private sector, including military, commercial and research projects. It is predicted that with the development and widespread use of autonomous vehicles, driver-related traffic accidents can be prevented, fuel savings will be achieved and traffic congestion will be eliminated. In this context, the basic working principles, functions and variables of artificial neural networks were examined in the thesis study. Then, a convolutional neural network model was created based on the MNIST dataset consisting of numbers from 0 to 9. While creating the model, all layers were examined in detail and the success results of the model were evaluated with graphics. Finally, a deep learning model was created for the autonomous movement of a driverless vehicle and neural network training was carried out. During the study, the Torch library was used and a deep learning application running on the GPU was implemented. Within the scope of the study, a car kit, Jetson Nano development board, Raspberry Pi camera modüle and ultrasonic distance sensor were used, and a track was prepared for autonomous driving. With the trained neural network model, the vehicle was provided to complete the track autonomously and the results of the study were presented with graphics.
Benzer Tezler
- A comparative study of nonlinear model predictive control and reinforcement learning for path tracking
Yol izleme için doğrusal olmayan model öngörülü kontrol ve pekiştirmeli öğrenmenin karşılaştırmalı çalışması
GAMZE TÜRKMEN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Deep reinforcement learning for partially observable markov decision processes
Kısmi gözlemlenebilir markov karar süreçleri için derin pekiştirmeli öğrenme
MEHMET HAKLIDIR
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Improving lane change decisions in autonomous driving using adversarial learning
Otonom sürüşte şerit değiştirme kararlarının karşıt öğrenme yöntemiyle iyileştirilmesi
AYTUĞ ONURHAN EFİL
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Advanced reinforcement learning applications in autonomous driving
Otonom araçlarda ileri pekiştirmeli öğrenme uygulamaları
MUSTAFA BURAK GÜNEL
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Monodepth-based object detection and depth sensing for autonomous vehicle vision systems
Monodepth tabanlı otonom araç görüş sistemleri için nesne tespiti ve derinlik algılama
EMRE ÇETİN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ