Otonom araçlar için derin öğrenme ile çoklu şerit algılama ve şerit tipi sınıflandırma sistemi
Multi-lane detection and lane type classification system with deep learning for autonomous vehicles
- Tez No: 823260
- Danışmanlar: DOÇ. DR. AYSUN TAŞYAPI ÇELEBİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Şerit algılama ve şerit tipi sınıflandırması, otonom araçların kazaların önlenmesine ve yolcu güvenliğinin sağlanmasına önemli ölçüde katkıda bulunan çok önemli bileşenleridir. Otonom araç üretimi ve kullanımına olan talep sürekli olarak artıyor ve en son teknolojik gelişmeler bu sistemlerin doğruluğunu ve etkinliğini önemli ölçüde artırdı. Yoldaki şeritlerin doğru bir şekilde tanımlanması ve sınıflandırılması, özellikle karmaşık sürüş senaryolarında güvenli navigasyonun sağlanması için çok önemlidir. Bu tez çalışmasında, şerit algılama ve şerit tipi sınıflandırma sistemini derin öğrenme yöntemleri ile gerçekleştirilir. Bu tez çalışmasının amacı, derin öğrenme yöntemleri kullanılarak şerit algılama ve şerit tipi sınıflandırma sistemini yüksek bir performans ile gerçekleştirmektir. Bu çalışma kapsamında şerit algılama için 4 farklı model, şerit tipi sınıflandırma için 5 farklı model eğitilmiş ve performansları test verileri üzerinde hesaplanır. Her iki model içinde en başarılı modeller seçilir. Önerilen yöntemde otonom araç üzerinde başarılı bir şekilde uygulanır. Deneysel sonuçlar, tez kapsamında geliştirilen şerit algılama ve şerit tipi sınıflandırma sisteminin başarılı bir şekilde geliştirilmiş olduğunu gösterir. Geliştirilen gerçek zamanlı sistem otonom araç üzerinde güvenli bir şekilde entegre edilir.
Özet (Çeviri)
Lane detection and lane type classification are very important components of autonomous vehicles that contribute significantly to preventing accidents and ensuring passenger safety. The demand for autonomous vehicle production and use is constantly increasing, and the latest technological advances have significantly increased the accuracy and effectiveness of these systems. Accurate identification and classification of lanes on the road is essential to ensure safe navigation, especially in complex driving scenarios. In this thesis, lane detection and lane type classification system are implemented by deep learning methods. The aim of this thesis is to realize lane detection and lane type classification system with high performance by using deep learning methods. In this study, 4 different models for lane detection and 5 different models for lane type classification are trained and their performances are calculated on the test data. Among both models, the most successful models are selected. In the proposed method, it is successfully applied on an autonomous vehicle. Experimental results show that the lane detection and lane type classification system developed in the thesis has been successfully developed. The developed real-time system is securely integrated on the autonomous vehicle.
Benzer Tezler
- Road lane detection system with convolutional neural network
Konvolüsyonel yapay sinir ağları ile şerit takip sistemi
BORA TAŞHAN
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TARKAN AYDIN
- Applications of deep reinforcement learning for advanced driving assistance systems
İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları
MUHARREM UĞUR YAVAŞ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Secure and coordinated beamforming in 5G and beyond systems using deep neural networks
5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme
UTKU ÖZMAT
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI
DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL
- 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
- Engellerden kaçınan ve çoklu hedef takib sistemi gerçekleştirebilen akıllı sürü İHA navigasyonu
Intelligent swarm UAV navigation system with obstacles avoidance and multi-target tracking capability
ELEBAID KHALID ELSAYED BAKHIT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ÖZEK