Otonom araçlar için trafik işaretlerini tanıma sistemi
Traffic sign recognition system for autonomous vehicles
- Tez No: 758563
- Danışmanlar: PROF. DR. ÖMER IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Arel Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 90
Özet
Son zamanlarda günlük hayatımızda popüler olmaya başlayan akıllı araçlar, üzerinde bulunan kontrol üniteleri ve sensörleri kullanarak çevresindeki ortamı algılayarak sürücünün güvenli ve rahat sürüş yapmasını sağlayan araçlardır. İçten yanmalı araçlardan akıllı araçlara gidişte son evre olan otonom araçlardan üç temel beklentiden birincisi araç sahibi-yolcu veya kontrol merkezi isteklerinin doğru bir şekilde alınması(İnsan-Makine Etkileşimi), ikincisi aracın doğru sevk ve idaresi, üçüncüsü ise yol, trafik ve çevresinde bulunan nesnelerin belirlenmesi- sınıflandırılması ve hareketlerinin kestirimidir. Otonom araçlarda ilk iki beklenti tam anlamıyla yapılmakta iken üçüncü beklentide halen ciddi eksikler bulunmaktadır[1]. Yapay zekâ alanındaki yapılan çalışmalar neticesinde otomotiv sektöründeki pek çok büyük şirket tarafından otonom araçlar üzerine çalışmalar yapılmaktadır. Bu uygulamalarda insanlar için çok büyük faydalar olsa da, daha iyi bir uygulama arayışı, bilim insanlarını her zaman mevcut çalışmaları geliştirmeye iter[2]. Yapılan bu çalışmalardan birinde ise amaç araçların trafik işaretlerini yorumlayabilmeleri ve karar alabilmeleri olarak karşımıza çıkmaktadır. Yapılacak çalışmada ilgili trafik işaretlerini farklı kategorilerde sınıflandırabilen bir konvolüsyonel sinir ağı(CNN) modeli oluşturulacaktır. Bu model ile otonom araçlar için epeyce önemli bir görev olan trafik işaretlerini sınıflandırma işlemi yapılarak otonom araç tarafından trafik işaretlerinin tanınması hedeflenmektedir. İlgili trafik işaretlerini tanıyan bir model oluşturulacak olup kullanılacak olan programlama dili Python, kullanılacak algoritma olarak CNN algoritması seçilmiştir.
Özet (Çeviri)
Smart vehicles, which have recently become popular in our daily lives, are vehicles that enable the driver to drive safely and comfortably by detecting the surrounding environment using the control units and sensors on them. The first of the three basic expectations from aoutonomous vehicles, which are the last stage in the transition from internal combustion vehicles to smart vehicles, is to receive the vehicle owner-passenger or control center requests correctly(Human-Machine interaction), the second is the correct management and administration of the vehicle, and the third is the road, traffic and objects in its surroundings determination-classification and estimation of its movements. While the first two expectations in autonomous vehicles are fully realized, there are still serious shortcomings in the third expectation. As a result of the studies in the field of artificial intelligence, many large companies in the automotive sector are working on autonomous vehicles. While these applications have enormous benefits for humans, the search for a better application always pushes scientists to improve existing studies. In one of these studies, the aim is to enable vehicles to interpret traffic signs and make decisions. In the study to be done, a convolutional neural network model that can classify the relevant traffic signs in different categories will be created. With this model, it is aimed to recognize the traffic signs by the autonomous vehicle by performing the classification of traffic signs, which is a very important task for autonomous vehicles. A model that recognizes the relevant traffic signs will be created and the programming language to be used is Python, convolutional neural networks (CNN) algorithm was chosen as the algorithm to be used.
Benzer Tezler
- Trafik işaretlerinin derin öğrenme ile tespiti ve anlamlandırılması
Perception of traffic lights and sheets with the image processing (deep learning) method
HAYATİ AKGÜN
Yüksek Lisans
Türkçe
2020
Mekatronik MühendisliğiIsparta Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNAN UĞUZ
- An intelligent overtaking assistant for autonomous racing cars
Otonom yarış araçları için bir akıllı sollama asistanı
ERSİN ARMAĞAN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Derin öğrenme yöntemleri ile trafik işareti tanıma
Traffic sign recognition with deep learning methods
OKAN YILDIRAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KAZIM YILDIZ
- Şerit takip desteği sistemi için fonksiyonel emniyet analizi
Functional safety analysis for lane keeping assistance system
EMİR KUDUN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKER ÜSTOĞLU
- Traffic sign recognition with machine learning methods
Makine ile öğrenme yöntemleriyle trafik işareti tanıma
EMİN ALPER SÜRÜCÜ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HATİCE DOĞAN