Bilgisayarlı görü ile otonom hedef takibi yapabilen İHA'nın geliştirilmesi
Development of a UAV capable of autonomous target tracking with computer vision
- Tez No: 772524
- Danışmanlar: DR. ÖĞR. ÜYESİ LEVENT BAYINDIR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: İnsansız Hava Aracı, Nesne Tespiti, Nesne Takibi, Derin Öğrenme, Bilgisayarlı Görü, Unmanned Aerial Vehicle, Object Detection, Object Tracking, Deep Learning, Computer Vision
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 100
Özet
Amaç: Çalışmada nesne tespiti ve takibi yapabilen otonom bir İHA'nın geliştirilmesi amaçlanmıştır. Bahsi geçen kabiliyetler, düşük maliyetli donanımlarda tümleşik bir yazılımla sağlanmaya çalışılmıştır. Nesne tespiti ve takibinin düşük maliyetli donanımlarla ve sadece derin öğrenme metotlarıyla yapılması durumunda karşılaştığı performans problemlerinin gerçek zamanlı takip algoritmalarıyla iyileştirilmesi hedeflenmiştir. Bu kapsamda YOLO ve takip algoritmalarının birlikte gösterdiği performans ve doğruluk değerleri incelenmiştir. Yöntem: Amaçlanan İHA'nın üretimi için mekanik, elektronik ve yazılımsal tasarımlar yapılmıştır. İHA gövdesi için 3B yazıcıyla üretilen gövde iyileştirmeleri tasarlanıp üretilmiştir. Elektronik gereksinimler için iki bağımsız güç dağıtım sistemi kullanılmıştır. Elektronik ve mekanik tasarımın uçuş süresine etkileri açıklanmıştır. İHA'nın nesne tespiti ve takibi yapabilmesi için YOLO ile takip algoritmalarının birlikte çalıştırılması sağlanmıştır. İHA'da tespit, takip, otonomi ve haberleşme gibi yazılımsal isterlerin karşılandığı yazılım çerçevesi modülleriyle açıklanmıştır. Bulgular: Geliştirdiğimiz 3261 gram ağırlığındaki İHA, 23,19 dakikaya kadar uçuş yapabilmektedir. İHA'nın nesne tespiti için kullandığı YOLO modeli; %86 f-score, %84,17 mAP ve %64,65 IoU değerlerinde doğruluk gösterirken 2 FPS performans göstermiştir. İncelenen takip algoritmalarında en yüksek performansı KCF, en yüksek doğruluğu CSRT göstermiştir. YOLO ve takip algoritmalarının birlikte çalıştırılması durumunda geliştirilen metotla en yüksek doğruluk %56,47 IoU ve 20,99 FPS değerleriyle MEDIANFLOW algoritmasından alınmıştır. Sonuç: Çalışmada nesne tespiti ve takibi yapabilen otonom bir İHA düşük maliyetli donanımlar ile tasarlanmış ve geliştirilmiştir. Uçuş süresinin arttırılması için bağımsız güç dağıtım sistemleri kullanılmış, gövde üzerinde pek çok iyileştirme yapılmıştır. Düşük maliyetli donanım üzerinde derin öğrenmeyle nesne tespiti yapılması durumunda ortaya çıkan performans problemlerine karşın gerçek zamanlı takip algoritmaları kullanılmış, çeşitli algoritmaların performans ve doğruluğa etkileri analiz edilmiştir.
Özet (Çeviri)
Purpose: In this study, it is aimed to develop a UAV capable of detecting and tracking objects autonomously. The mentioned capabilities have been tried to be provided with integrated software on low-cost hardware. It is aimed to improve the performance problems encountered with real-time tracking algorithms when object detection and tracking are done with low-cost hardware and only deep learning methods. In this context, the performance and accuracy values of YOLO and tracking algorithms together were examined. Method: Mechanical, electronic and software designs were made to produce the intended UAV. For the fuselage, 3D-printed upgrades designed and manufactured. Two independent power distribution systems are used for electronic requirements. The effects of electronic and mechanical design on flight time are explained. For the UAV to detect and track objects, YOLO and tracking algorithms are operated together. It is explained with software framework modules that software requirements such as detection, tracking, autonomy, and communication in the UAV are met. Findings: The developed UAV, weighing 3261 grams, can fly up to 23.19 minutes. The YOLO model used by the UAV for object detection; showed an accuracy of 86% f-score, 84.17% mAP, and 64.65% IoU, while performing 2 FPS. In the examined tracking algorithms, KCF showed the highest performance and CSRT showed the highest accuracy. In case YOLO and tracking algorithms are run together, the highest accuracy with the developed method was obtained from the MEDIANFLOW algorithm with 56.47% IoU and 20.99 FPS. Results: In this study, an autonomous UAV capable of object detection and tracking is designed and developed with low-cost hardware. Independent power distribution systems were used to increase the flight time, and many upgrades were made to the fuselage. Because of the performance problems that arise in the case of object detection with deep learning on low-cost hardware, real-time tracking algorithms are used and the effects of various algorithms on performance and accuracy are analyzed.
Benzer Tezler
- Storefront logo recognition and stereo vision based distance estimation
Mağaza logosu tanıma ve stereo görüntü tabanlı mesafe kestirimi
MEHMET BİBERCİ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Application and analysis of deep learning techniques on the problem of depth estimation from a single image
Derin öğrenme tekniklerinin tekil görüntüden derinlik tahmini problemi üzerinde uygulanması ve incelenmesi
ALİCAN MERTAN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Eş zamanlı konum belirleme ve haritalama için bilgisayarlı görü ve sensör tabanlı otonom gezgin robot
A computer vision and sensor based autonomous mobile robot for simultenaous localization and mapping
SARAN SAPMAZ
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiEge ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT PEKEDİS
- Derinlik kamerası ile derin öğrenme tabanlı nesne tespiti
Deep learning based object detection with depth camera
TANER GÜNDÜZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAKUP KUTLU
- An analysis on the effect of dynamic range on object detection with deep neural networks
Dinamik aralığın derin sinir ağları ile nesne tespitindeki etkisinin analizi
İSMAİL HAKKI KOÇDEMİR
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SİNAN KALKAN
PROF. ABDULLAH AYDIN ALATAN