Geri Dön

Otonom araçlar için şerit ve nesne tespiti

Object and lane detection for autonomous vichel

  1. Tez No: 755030
  2. Yazar: MD NASRULLAH
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYKUT DİKER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Bandırma Onyedi Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Akıllı Ulaşım Sistemleri ve Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Akıllı Ulaşım Sistemleri ve Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: 67

Özet

Otonom araçlar ulaşımın geleceği açısından önemli bir rol oynamaktadır. Yapay zekâdaki gelişmeler sayesinde, gelecekte akıllı otomobillerin ve kamyonların sürücüsüz olması, kazaların azalması ve daha verimli hale gelecekleri öngörülmektedir. Aynı zamanda tepki süresi gecikmesini azaltarak, güvenli şerit değiştirme ihtimalini artırarak ve insan sürüş hatalarını ortadan kaldırarak güvenli seyahat sağlamaktadırlar. Otomobil üreticileri halihazırdaki zorluklarla ilgili araştırma alanlarına yatırım yapmışlardır. Makine öğrenme algoritmalarındaki son gelişmelerin ardından, otonom araçların önümüzdeki yirmi yıl içinde piyasaya çıkması beklenmektedir. Derin öğrenmenin ve derin pekiştirici öğrenme algoritmalarının kullanımının artmasıyla birlikte otonom araçların artışı doğru orantılı olmuştur. Derin öğrenme algoritmaları otonom araç uygulamalarında, Evrişimli Sinir Ağları (ESA) ve yakın zamanlarda ise YOLO algoritması ile daha hızlı ve daha doğru sonuçlar elde edilmiştir. Bu çalışmada, otonom araçlar için nesneler tespiti ve şerit belirleme üzerine bir uygulama yapılmıştır. Derin Sinir Ağları (DSA) ile 1176 tane resim verisi üzerinde yapılan uygulamada nesne takibinde kullanılan YOLO algoritması, Hızlı R-ESA, SimpleNet ve ESA nın VGG16 yöntemleri algılama süresi açısından karşılaştırılmıştır. Aynı zamanda, şerit tespiti ve şerit değiştirme için Python OpenCV programı kullanılmış, bu amaçla yeni kod yazılmış ve metotlar geliştirilmiştir.

Özet (Çeviri)

Autonomous vehicles play an important role in the future of transportation. It is blessed to the developments in artificial intelligence that it is predicted that smart cars and trucks will become driverless, accidents will decrease and they will become more efficient in the future. They also provide safe travel by reducing reaction time delay, increasing the likelihood of safe lane changes, and eliminating human driving errors. Automakers have invested in research areas relevant to current challenges. Following the latest developments in machine learning algorithms, autonomous vehicles are expected to hit the market in the next two decades. Among the increase in the use of deep learning and deep reinforcement learning algorithms, the increase in autonomous vehicles has been directly proportional. Faster and more accurate results have been obtained with deep learning algorithms, Convolutional Neural Networks (CNN), and recently YOLO algorithm in autonomous vehicle applications. In this study, an application has been made on object detection and lane determination for autonomous vehicles. YOLO algorithm used in object tracking, Fast R-CNN, SimpleNet, and CNN's VGG16 methods were compared in terms of detection time in the application made with Deep Neural Networks (DNN) on 1176 image data. At the same time, the Python-OpenCV program was used for lane detection and lane changing. In this study, we have done some important parts of autonomous vehicles, and their severel code was written and methods were developed for this purpose.

Benzer Tezler

  1. 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

    GÖKHAN TARIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiKocaeli Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. OĞUZHAN URHAN

  2. The performance analysis of variable time gap adaptive cruise control for different algorithms with model based feedforward control structure

    Model tabanlı ileri besleme kontrol yapısıyla, farklı uyarlanabilir hız sabitleyiciler için değişken zaman açıklık algoritmasının performans analizi

    ONUR EVİRGEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İLKER ÜSTOĞLU

  3. Control and design of industrial robotic arm by using ROS

    ROS kullanarak endüstriyel robotik kolun kontrolü ve tasarımı

    ADEM CANDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Makine Mühendisliğiİzmir Katip Çelebi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FATİH CEMAL CAN

  4. Kırılgan mimarlık: Mimarlığın altyapısal failliğine dair bir araştırma

    Vulnerable architecture: A research on architecture's infrastructural agency

    ÖYKÜ ŞİMŞEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. SIDIKA ASLIHAN ŞENEL

  5. Otonom araçlarda şerit takip ve kontrol sisteminin makine öğrenmesi kullanılarak geliştirilmesi

    Development of lane following and control system in autonomous vehicles using machine learning

    FATMA NUR ORTATAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiYozgat Bozok Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRAH ÇETİN