Geri Dön

Otonom araçlarda şerit takip ve kontrol sisteminin makine öğrenmesi kullanılarak geliştirilmesi

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

PDF İndir

  1. Tez No: 772064
  2. Yazar: FATMA NUR ORTATAŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EMRAH ÇETİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Yozgat Bozok Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 102

Özet

Otomotiv endüstrisi günümüzde büyük bir hızla otonom araç teknolojisine doğru büyük bir gelişme içindedir. Otonom araç teknolojisi, temel olarak güvenli bir sürüş ortamı hazırlamak ve sürücü hatalarından kaynaklanan trafik kazası oranlarını azaltmak için tasarlanmıştır. Otonom sürüş teknolojileri alanında bu amaç doğrultusunda çalışmalar gerçekleştirilmektedir. Bu amaç kapsamında şerit tespiti ve takibi, otonom sürüş teknolojilerinde önemli alanlardan biridir. Bu alan ile ilgili yapılan çalışmalara bakıldığında temel olarak görüntü işleme tekniklerinden faydalanıldığı görülmektedir. Ancak şerit tespiti ve takibi için görüntü işleme teknikleri uygulanırken esas olarak iki temel sorunla karşılaşılmaktadır. Bunlardan ilki görüntü de işlem yükünü azaltmak ve doğru alana yönelik çalışma yapmak için görüntü üzerinde belirli bir alan ile çalışmak gerekmektedir. İlgi bölgesi (ROI) işlemi genellikle görüntüden çalışılacak alanı filtrelemek için kullanılır. Ancak bu işlem için sabit koordinatlar ile bölgenin tespiti yapıldığından aracın dönmesi gereken durumlarda çalışılan alan konusunda kısıtlamalara neden olmaktadır. Çalışmada kullanılan Mask R-CNN algoritması ile her kare için yolun segmentasyonundan elde edilen yeni koordinatlar ile ROI bölgesi sürekli olarak güncellenmesi sağlanmaktadır. İkinci problem ise görüntü işleme teknikleri kullanılarak şeritlerin tespit edilme işlemlerinde hava koşulları oldukça etkili olmaktadır. Havanın bulutlu, güneşli veya anlık değişimlerinden görüntü işleme ile tespit işlemlerinde ciddi problemler ortaya çıkmaktadır. Yapılan çalışmada özgün olarak geliştirilen veri seti ile farklı hava koşullarında şerit tespit etme sorununa bir çözüm önerilmiştir. Ayrıca geliştirilen yöntem ile bu iki temel soruna çözüm olarak derin öğrenme yöntemleri kullanılmıştır. Mask R-CNN ve Faster R-CNN algoritmaları birlikte kullanılarak şerit tespiti ve takibi için bu iki temel problem ortadan kaldırılmış ve başarılı bir şekilde uygulanmıştır. İki algoritma ile çözülen problem, geliştirilmiş bir otonom araç üzerinde deneysel olarak test edilmiştir. Deneysel testler için gerçekleştirilen model eğitiminde hem özgün olarak geliştirilen veri seti hem de literatürde sıklıkla kullanılan KITTI veri setinde ayrı ayrı kullanılmıştır. Test sonuçları, otonom araçlar için şerit tespiti ve takibinde her iki algoritmanın birlikte kullanılmasının oldukça başarılı olduğunu kanıtlamaktadır.

Özet (Çeviri)

Today, the automotive industry is in a rapid development towards autonomous vehicle technology. Autonomous vehicle technology is basically designed to prepare a safe driving environment and to reduce traffic accident rates caused by driver errors. Studies are carried out for this purpose in the field of autonomous driving technologies. Within the scope of this purpose, lane detection and tracking is one of the important areas in autonomous driving technologies. When we look at the studies on this field, it is seen that mainly image processing techniques are used. However, two main problems are encountered while applying image processing techniques for lane detection and tracking. First of all, it is necessary to work with a certain area on the image in order to reduce the processing load in the image and to work towards the right area. Region of interest (ROI) processing is often used to filter the area to be studied from the image. However, since the region is determined with fixed coordinates for this process, it causes restrictions on the working area in cases where the vehicle has to turn. With the Mask R-CNN algorithm used in the study, the ROI region is constantly updated with the new coordinates obtained from the segmentation of the path for each frame. The second problem is that the weather conditions are very effective in the detection of stripes using image processing techniques. Serious problems arise in image processing and detection processes from cloudy, sunny or instantaneous changes in the weather. In the study, a solution to the problem of lane detection in different weather conditions was proposed with the originally developed data set. In addition, with the developed method, deep learning methods were used as a solution to these two basic problems. By using Mask R-CNN and Faster R-CNN algorithms together, these two basic problems have been eliminated and successfully applied for lane detection and tracking. The problem, which is solved by two algorithms, has been experimentally tested on an improved autonomous vehicle. In the model training carried out for experimental tests, both the originally developed data set and the KITTI data set, which is frequently used in the literature, were used separately. The test results prove that the use of both algorithms together in lane detection and tracking for autonomous vehicles is quite successful.

Benzer Tezler

  1. Tez No

    855638

    Hatalı yerleştirilen araç sigortalarının şablon eşleştirme yöntemiyle tespiti

    Detection of misplaced vehicle fuses using template matching method

    MUSTAFA KARAKURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET KÜÇÜKER

  2. Tez No

    856260

    Applications of deep reinforcement learning for advanced driving assistance systems

    İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları

    MUHARREM UĞUR YAVAŞ

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  3. Tez No

    389228

    Advanced control systems for ground vehicles

    Yol taşıtları için ileri kontrol sistemleri

    MUMİN TOLGA EMİRLER

    Doktora

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLİN AKSUN GÜVENÇ

  4. Tez No

    485196

    Design and implementation of a torque-based predictive steering assistance for human-centered and safe automated driving

    İnsan-merkezli ve güvenli otomatik sürüş için tork tabanlı öngörümlü direksiyon yardımcı sisteminin tasarımı ve gerçeklenmesi

    ZİYA ERCAN

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN GÖKAŞAN

  5. Tez No

    677459

    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

Geri Dön