Çoklu algılayıcı tümleştirme ile hedef mesafe kestirimi
Target range estimation with multi-sensor fusion
- Tez No: 954434
- Danışmanlar: PROF. DR. CENK TOKER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 140
Özet
Günümüzde otonom sistemlerden savunma sanayi uygulamalarına kadar bir çok uygulamada hedef uzaklığının doğru bir şekilde belirlenmesi önem kazanmıştır. Bu amaçla uygulamalarda bir çok sensör bir arada kullanılmakta ve her bir sensörün güçlü özellikleri birleştirilerek tüm koşullar altında en iyi tahminler elde edilebilmektedir. Bu tez çalışmasında, farklı çalışma prensiplerine dayalı radar, lidar ve kamera sensörlerinden elde edilen hedef mesafe verileri üzerinden hangi algoritma kullanımı ile en iyi mesafe tahmininin yapılabileceği değerlendirilmektedir. Bu kapsamda Kalman filtre, parçacık filtre ve gelişmiş Bayes filtre gibi füzyon yöntemlerinin performansları yapılan simülasyon sonuçları üzerinden karşılaştırılmıştır. Çalışmada kullanılan radar, lidar ve kamera sensörlerine ait gerçek sensör verileri bulunmaması sebebiyle bu veriler MATLAB ortamında modellenerek oluşturulmuştur. Bu veriler farklı hava koşulları (güneşli hava, yağmurlu hava ve sisli hava) ve farklı hedef mesafeleri için belirlenen modeller üzerinden oluşturulmuştur. Böylece farklı hava koşulları ve farklı hedef mesafeleri için elde edilen sensör verileri üzerinden füzyon algoritmaları test edilebilmiştir. Radar, lidar ve kamera sensörlerinin birlikte kullanılması, tek bir sensör üzerinden elde edilen ölçümlere göre önemli ölçüde iyileşmeler sağlamaktadır. Radar; uzun menzilde ve zorlu hava şartları (yağmurlu hava ve sisli hava) altında yüksek doğruluklu ölçümler yapması, lidar; kısa/orta menzilde ve uygun hava şartları altında hassas ölçümler yapması, kamera ise düzgün hata dağılımına ve yüksek ölçüm frekansına sahip olması ile avantaj sağlamaktadır. Kalman filtre, hesaplaması kolay yapısı ile özellikle radar, lidar ve kamera sensörlerinden elde edilen ölçümlerin düşük gürültüye sahip olmaları durumunda mesafe tahminini yüksek doğrulukla yapmaktadır. Parçacık filtre, sistemin dinamik yapısına ve ölçüm modeline hızlı bir şekilde uyum sağlayan yapısı ile büyük sensör ölçüm hatalarına rağmen hata değeri düşük sonuçlar vermektedir. Gelişmiş Bayes filtre, uygulamaya özel parametre seçimleri ve hareket modeli sayesinde farklı koşullar altında dengeli bir performans göstermektedir. Simülasyon sonuçları, gelişmiş Bayes filtrenin tüm hava koşullarındaki ve tüm mesafelerdeki sensör verileriyle en iyi sonuçları verdiğini ya da en iyi sonuçlara oldukça yakın sonuçlar verdiğini göstermektedir. Parçacık filtre ve Kalman filtreden elde edilen tahminlerin, genel olarak Bayes filtreden elde edilen tahminlere göre daha büyük hata değerlerine sahip olduğu ancak bu hata değerlerinin kabul edilebilir seviyelerde kaldığı görülmektedir. Çalışmada kullanılan füzyon yöntemleri sayesinde tek bir sensörden elde edilen ölçümlere göre belirgin bir iyileşme gözlenmiştir. Sonuç olarak, bu tez çalışmasında radar, lidar ve kamera sensörlerinden elde edilen ölçümler kullanılarak yapılan hedef mesafe tahminleri üzerinden kullanılan füzyon yöntemlerinin performansları karşılaştırmakta ve böylece literatüre katkı sağlanmaktadır.
Özet (Çeviri)
In modern applications range measurement has gained significant importance. To determine target distance accurately, multi sensors are often used simultaneously, and strengths of each sensor are combined to obtain the most accurate estimates. In this thesis, we try to determine which fusion algorithm provides most accurate distance estimation by using distance data from radar, lidar, and camera sensors. In this context, the performance of fusion techniques such as the Kalman filter, particle filter, and advanced Bayesian filters are compared through simulation results. Radar, lidar, and camera sensor measurements were modeled and generated in the MATLAB environment, as actual sensor measurements were not available. These synthetic datasets were created based on predefined models under various weather conditions (sunny, rainy, and foggy) and at different target distances. The combined use of radar, lidar, and camera sensors provides significant improvements over measurements obtained from any single sensor. Radar offers high-accuracy measurements at long ranges and under adverse weather conditions (rain and fog). Lidar provides highly precise measurements at short to medium ranges under favorable weather conditions. Cameras contribute advantages such as smooth error distributions and high measurement frequency. The Kalman filter, due to its computational simplicity, provides highly accurate distance estimates when the sensor measurements from radar, lidar, and cameras exhibit low noise. The particle filter, with its ability to quickly adapt to the dynamic system structure and measurement model, yields low-error estimates even in the presence of large measurement errors. The advanced Bayesian filter demonstrates balanced performance under varying conditions, thanks to its application-specific parameter selection and motion modeling. Simulation results shows that the advanced Bayesian filter produces the most accurate or near-optimal results across all weather conditions and target distances. Although the estimates obtained from the particle filter and Kalman filter generally exhibit larger error values than those from the Bayesian filter, these errors remain within acceptable limits. The use of sensor fusion techniques in this study demonstrates notable improvements compared to results obtained from single-sensor measurements. In conclusion, this thesis contributes to the literature by comparing the performance of different fusion algorithms for target distance estimation using measurements from radar, lidar, and camera sensors.
Benzer Tezler
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Audio visual attention for robots from a developmental perspective
Gelişimsel perspektiften robotlar için görsel ve işitsel diıkkat
NADA AL AZZAWI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN İNCE
- Okul müdürlerinin çatışma yönetimi stilleri ile öğretmen performansı ve okul mutluluğu arasındaki ilişki
The relationship between conflict management styles of school principals and teacher performance and school happiness
ERSÖZ ALKAN
Yüksek Lisans
Türkçe
2022
Eğitim ve Öğretimİstanbul Sabahattin Zaim ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. MUSTAFA ÖZGENEL
- Novel miniaturized sensors for on-site biological and chemical detection
Yerinde biyolojik ve kimyasal tayinine yönelik yeni minyatür algılayıcılar
HASAN GÜNER
Doktora
İngilizce
2016
Mühendislik Bilimleriİhsan Doğramacı Bilkent ÜniversitesiMalzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı
YRD. DOÇ. DR. AYKUTLU DANA
- A study on implementation of pain sensing model of human skin with multiple sensor units
Çoklu algılayıcı birimleri ile insan derisinin acı algılama modelinin uygulanması üzerine bir çalışma
AYDIN TARIK ZENGİN
Yüksek Lisans
İngilizce
2010
Elektrik ve Elektronik MühendisliğiKumamoto DaigakuElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NOBUTOMO MATSUNAGA