Otonom araçlar için GPU kullanarak gerçek zamanlı yapay zeka temelli engel algılama sistem tasarımı
Obstacle detection system design based on real-time artificial intelligence using GPU for autonomous vehicles
- Tez No: 834724
- Danışmanlar: DR. ÖĞR. ÜYESİ ERDAL KILIÇ, DR. ÖĞR. ÜYESİ HACI ÖMER DOKUMACI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Otonom araçlar donanımları ve yazılımları sayesinde insana ihtiyaç duymadan, çevre, trafik ve yol koşullarını algılayıp ona göre hareket eden araçlardır. Birçok projeye konu olan otonom araçlar artık günümüzde çeşitli sensörler, GPS, radar, LIDAR gibi donanımlar ve bilgisayarlı görü, yapay zekâ, derin öğrenme mimarileri ile geliştirilmekte, trafikte yerini almaktadır. Bu teknolojilerle dışardan alınan her türlü veri, araç kontrol sistemleri tarafından işlenmekte ve uygun tepkiler oluşturulmaktadır. Bu tepkilere yavaşlama, hızlanma, durma, şerit algılama, çarpışma engelleme, kazalardan kaçınma, otomatik park etme gibi örnekler gösterilebilir. Makine öğrenmesi ve derin öğrenmenin hızla gelişmesi, karmaşık problemlerin çözülebilmesi ve yeniliklerin otonom araçlara entegre edilmesi, geleceğin otonom araçlarda olduğunu göstermektedir. Otomotiv sektöründe de otonom araç teknolojilerine yapılan yatırım sürekli artmakta ve AR-GE çalışmaları yapılmaktadır. Otonom araçlar ve yapay zekâ teknolojileri sanayi, ticari, askeri, nakliye, özel sektör, bireysel kullanım gibi çok farklı alanlarda kullanılmaktadır. Bu çalışmada otonom araçlar tarihi gelişimi araştırılmış, zekâ eğitimciler gözünden incelenmiş, yapay zekâ ile ilgili genel bilgiler ve tarihi gelişimi verilmiştir. Yapay zekâ ile insan zekâsı karşılaştırılmış, yapay zekâ kullanım alanlarından bahsedilmiştir. Biyolojik sinir hücreleri araştırılmış, yapay sinir hücreleri ile karşılaştırılmış ve modellemeler gösterilmiştir. Yapay sinir hücresinin bölümleri incelenmiş, mesajın hücreye girişinden çıkışa kadar olan süreç anlatılmıştır. Yapay sinir hücrelerinin birleştirilmesiyle yapay sinir ağları oluşturulmuş, ağlar hakkında bilgilendirmeler yapılmıştır. Yapay sinir ağlarını bilgisayarda oluşturabilmek için programlama dilleri araştırılmış, kullanılan Python dili ve kütüphaneleri incelenmiştir. Derin öğrenme konusuna girilmiş, çalışmada kullanılan evrişimli sinir ağı çeşitleri, mimarileri araştırılmıştır. Mimariler şekil olarak gösterilmiş, anlatılmış ve hata oranlarına göre karşılaştırılmıştır. Araç şase, motor ve diğer donanımları ile oluşturulmuştur. Donanımsal malzemeler anlatılmıştır. Jetson Nano geliştirme kartı üzerine, işletim sistemi Ubuntu üzerinden gerekli yazılımlar araca yüklenmiştir. Uzaktan bağlantı ile bilgisayar üzerinden araca bağlantı kurulmuştur. Farklı yollar oluşturulmuş, bu yollarda engelsiz ve ardından engelli şekilde aracın otonom hareket kabiliyeti incelenmiştir. Araç yol üzerinde ilerlerken kamera ile görüntüler alınmış, evrişimli sinir ağ üzerinde Resnet18 mimarisi ile eğitilmiştir. Sonuçta aracın otonom olarak yoldan dışarı çıkmadan ilerlemesi, sonrasında engelle karşılaştığında sağ ya da soldan engeli aşması hedeflenmiştir. Sonuçta farklı yollarda testler yapılmış, aracın farklı yol ve renklerde hareket kabiliyeti araştırılmıştır. Aynı yolda, farklı Epoch değerlerinde testler yapılmıştır. Hata oranları karşılaştırılmıştır. Her çalışma durumunda Epoch-Loss kıyaslaması yapılmış, sonuçlar grafiklerle gösterilmiştir.
Özet (Çeviri)
Autonomous vehicles are vehicles that perceive traffic, environment and road conditions and act accordingly without the need for humans thanks to automatic control hardware and software. Autonomous vehicles, which are the subject of many projects, are now being developed with various sensors such as GPS, radar, LIDAR, and with software that exploits computer vision, artificial intelligence, and deep learning architectures. With these technologies, all kinds of data received from the outside world are processed by vehicle control systems and appropriate responses are created. Examples of these responses include deceleration, acceleration, stopping, lane detection, collision avoidance, accident avoidance, and automatic parking. In this study, the historical development of autonomous vehicles was investigated, artificial intelligence was examined through the eyes of educators, and general information about artificial intelligence and its historical development were given. Artificial intelligence and human intelligence were compared, and artificial intelligence areas were mentioned. Biological nerve cells have been studied, compared with artificial nerve cells, and modelling has been demonstrated. The sections of the artificial nerve cell were examined and the process from the entry of the message to the exit of the message to the cell was described. Artificial neural networks were created by combining artificial nerve cells and information was provided about the networks. To create artificial neural networks on the computer, programming languages have been researched, and Python language and libraries have been examined. The subject of deep learning was introduced, types of convolutional neural networks, and their architectures were investigated. Architectures are shown in figures, described, and compared according to error rates. Our vehicle is built with chassis, engine, and other equipment. Hardware materials are described. On the Jetson Nano development board, the necessary software is installed via the operating system Ubuntu. A remote connection is established to the vehicle via a computer. Different paths were created, and the autonomous mobility of the vehicle was examined in an unobstructed road and then with obstructions on the road. As the vehicle drove on the road, images were taken with the camera and convolution neural network was trained on the network with Resnet18 architecture. As a result, it is aimed that the vehicle will proceed autonomously without leaving the road, and then it will overcome an obstacle from right or left when it encounters an obstacle. As a result, tests were carried out on different roads and the mobility of the vehicle on different roads with different colors was investigated. Different epochs were tested on the same path, and error rates were compared. In each case, the epoch-loss comparison is made and the results are shown on graphs.
Benzer Tezler
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Quadcopter trajectory tracking control using reinforcement learning
Pekiştirmeli öğrenme ile quadcopter yörünge takibi kontrolü
MUSTAFA ERDEM
Yüksek Lisans
İngilizce
2019
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDİNÇ ALTUĞ
- Çoklu otonom insansız hava araçları için paralel programlama tabanlı yol planlaması
Parallel programming based path planning for multi autonomous unmmaned vehicles
ÖMER ÇETİN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHava Harp Okulu KomutanlığıBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRAY YILMAZ
- Derin öğrenme kullanılarak FPGA'lar ile gerçek zamanlı nesne algılama ve tanıma
Real-time object detection and recognition on FPGAS's by using deep learning
VEYSEL YUSUF ÇAMBAY
Yüksek Lisans
Türkçe
2019
Mekatronik MühendisliğiFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞEGÜL UÇAR
- Çoklu insansız hava araçlarının görev planlamalarının ve sürdürülebilirliğinin cuda mimarisi kullanılarak genetik algoritma ile gerçeklenmesi
Mission planning and sustainability for multiple unmanned aerial vehicles implementation of using genetic algorithm with cuda architecture
MURAT ÇAKIR
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHava Harp Okulu KomutanlığıBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRAY YILMAZ