Geri Dön

Improving lane detection and steering control in self-driving vehicles through machine learning

Makine öğrenimi aracılığıyla kendi kendine sürüşlü araçlarda şerit tespiti ve direksiyon kontrolünün geliştirilmesi

PDF İndir

  1. Tez No: 940583
  2. Yazar: NAMARIQ MOHAMMED SWADI ALJAAFARI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYCA KURNAZ TURKBEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 77

Özet

Modern araçlarda giderek yaygınlaşan bir sürücü destek teknolojisi olan otomatik şerit tutma, aracın yol şeritleri içinde doğru konumlandırılmasını kolaylaştırır; bu, tamamen otonom araçlarda sonraki şerit sapmaları ve yörünge planlaması için önemli bir husustur. Geleneksel şerit algılama yöntemleri, tarihsel olarak, hesaplama açısından verimli olsalar da, yol sahnelerinin çeşitli ve dinamik doğası nedeniyle ölçeklenebilirlik zorluklarıyla karşı karşıya kalan sofistike el yapımı özelliklere ve sezgisel yöntemlere dayanıyordu. Ancak, özellikle Evrişimli Sinir Ağları (CNN'ler) ile makine öğrenimindeki son gelişmeler, el yapımı özellik algılayıcılarını piksel bazında şerit segmentasyonlarını öğrenebilen derin ağlarla değiştirerek bu alanda devrim yarattı. Bu tezde, şerit algılama sorununu çeşitli yöntemler kullanarak ele almayı amaçlıyoruz. Daha derinlemesine incelemek için, iki farklı yöntemin karşılaştırmalı analizini yapmak üzere otoyol şerit görüntülerinden oluşan bir veri kümesi kullanıyoruz. Başlangıçta, el yapımı özelliklere sahip geleneksel kenar algılama yöntemini kullanıyoruz. Ardından, şerit algılama zorluğunu ele almak üzere tasarlanmış çeşitli Derin Evrişimli Ağ (CNN) mimarilerini araştırıyoruz. Araştırmamız, bu yöntemlerin ilgili çıktılarından elde edilen görüntülerden yararlanılarak, karşılaştırmalı bir değerlendirmesiyle sonuçlanmaktadır.

Özet (Çeviri)

Auto lane keeping, an increasingly prevalent driver assistance technology in modern vehicles, facilitates the accurate positioning of the vehicle within road lanes, a crucial aspect for subsequent lane deviation and trajectory planning in fully autonomous vehicles. Traditional lane detection methods have historically relied on sophisticated hand-crafted features and heuristics, which, while computationally efficient, face scalability challenges due to the diverse and dynamic nature of road scenes. However, recent advancements in machine learning, particularly with Convolutional Neural Networks (CNNs), have revolutionized this field by replacing hand-crafted feature detectors with deep networks capable of learning pixel-wise lane segmentations. In this thesis, we aim to address the lane detection problem using a variety of methods. To delve deeper, we utilize a dataset comprising highway lane images to conduct a comparative analysis of two distinct methods. Initially, we employ the traditional edge-detection method, featuring hand-crafted features. Subsequently, we explore various Deep Convolutional Network (CNN) architectures tailored to tackle the lane detection challenge. Our investigation culminates in a comparative assessment of these methods, leveraging images derived from their respective outputs.

Benzer Tezler

  1. Tez No

    841474

    Model reference adaptive controller design with augmented error method for lane tracking

    Serit takibi kontrolü için artıtılmış hata yöntemi ile model referans uyarlanabilir kontrolör tasarımı

    MEHMET NURİ DİYİCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YAPRAK YALÇIN

  2. Tez No

    467573

    Road lane detection system with convolutional neural network

    Konvolüsyonel yapay sinir ağları ile şerit takip sistemi

    BORA TAŞHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. TARKAN AYDIN

  3. Tez No

    270491

    A new lane detection system for unmanned vehicles

    İnsansız araçlar için yeni bir şerit tanıma sistemi

    YASEMİN TİMAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. FATİH ALAGÖZ

  4. Tez No

    563665

    Detection and localization of motorway overhead directional signs by convolutional neural networks trained with synthetic images

    Otoyol üst yönlendirici tabelalarının yapay görüntülerle eğitilen evrişimli sinir ağları ile tespiti ve konumlandırılması

    HAKAN HEKİMGİL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YALIN BAŞTANLAR

  5. Tez No

    945213

    Improving lane change decisions in autonomous driving using adversarial learning

    Otonom sürüşte şerit değiştirme kararlarının karşıt öğrenme yöntemiyle iyileştirilmesi

    AYTUĞ ONURHAN EFİL

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA DOĞAN

Geri Dön