Real time reflective surface detection for indoor slam
İç mekan slam için gerçek zamanlı yansıtıcı yüzey algılama
- Tez No: 960418
- Danışmanlar: DR. ÖĞR. ÜYESİ ERTUĞRUL BAYRAKTAR
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 90
Özet
Son yıllarda teknolojideki hızlı ilerlemeler, mobil robotlar ve otonom sistemlerin pek çok alanda yaygınlaşmasını beraberinde getirmiştir. Endüstri, lojistik, tarım ve kapalı yaşam alanları gibi farklı sektörlerde bu sistemlere duyulan ihtiyaç her geçen gün artmaktadır. Bu sistemlerin verilen bir görevi başarılı bir şekilde yerine getirebilmesi için, başlangıç konumundan hedef noktaya güvenli bir şekilde ulaşması ve bu süreçte çevresini doğru bir biçimde algılayarak haritalaması gerekmektedir. Bu doğrultuda, özellikle GPS erişiminin mümkün olmadığı iç mekânlar için Eşzamanlı Konumlandırma ve Haritalama (SLAM) algoritmaları, otonom navigasyon için temel bir standart haline gelmiştir. Düşük donanım maliyeti ve yüksek çevresel bilgi üretimi gibi avantajlarıyla öne çıkan görsel SLAM (vSLAM) sistemleri, son yıllarda araştırmacılar arasında büyük bir ilgi görmektedir. Bu alanda açık kaynaklı yapısı ve başarımıyla bilinen ORB-SLAM3, akademik ve endüstriyel uygulamalarda yaygın olarak benimsenmiştir. Bununla birlikte, vSLAM sistemleri iç mekânlarda ciddi zorluklarla karşılaşabilmektedir. Özellikle aynalar gibi speküler yüzeyler, sanal ve yanıltıcı görüntüler yaratarak algoritmalarda bozulmalara, konumlama hatalarına ve tutarsız haritalara yol açan en önemli engellerden biridir. Bu çalışmada, söz konusu soruna çözüm olarak, aynaları tespit etmek üzere YOLOv8 mimarisiyle eğitilmiş derin öğrenme tabanlı bir nesne tespit modeli sunulmuştur. Önerilen yöntem, hem RGB-D hem de monoküler kameralarla çalışan ORB-SLAM3 altyapısına entegre edilmiştir. Sistem, yansıtıcı yüzeyleri gerçek zamanlı olarak \%97 gibi yüksek bir doğrulukla tespit ederek hatalı öznitelikleri haritalama sürecinden dinamik olarak filtrelemiştir. Bu yaklaşım, sistemin konumlama ve haritalama başarımını anlamlı ölçüde artırmıştır.
Özet (Çeviri)
In recent years, rapid technological advances have led to the widespread adoption of mobile robots and autonomous systems across many fields. The need for these systems continues to grow daily in various sectors including industry, logistics, agriculture, and indoor living spaces. For these systems to successfully complete their assigned tasks, they need to safely navigate from their starting position to target points while accurately perceiving and mapping their environment along the way. In this regard, Simultaneous Localization and Mapping (SLAM) algorithms have become a fundamental standard for autonomous navigation, especially for indoor environments where GPS access isn't available. Visual SLAM (vSLAM) systems, which stand out with advantages like low hardware costs and rich environmental information generation, have attracted significant interest among researchers in recent years. ORB-SLAM3, known for its open-source nature and performance in this field, has been widely adopted in both academic and industrial applications. However, vSLAM systems can face serious challenges in indoor environments. Specular surfaces like mirrors, in particular, are among the most significant obstacles that create virtual and deceptive images, leading to distortions in SLAM algorithms, positioning errors, and inconsistent maps. This study presents a deep learning-based object detection model trained with YOLOv8 architecture to detect mirrors as a solution to this problem. The proposed method has been integrated into the ORB-SLAM3 infrastructure, working with both RGB-D and monocular cameras. The system detected reflective surfaces in real-time with a high accuracy rate of 97\%, dynamically filtering out erroneous features from the mapping process. This approach has significantly improved the system's localization and mapping performance.
Benzer Tezler
- Otonom robotlarda, durumsal farkındalık temelli dinamik karar verme modeli ve yeni bir veri seti ile adaptif slam uygulaması
Adaptive slam application in autonomous robots with a situational awareness based dynamic decision making model and a new dataset
MÜMİNE YILDIZ
Doktora
Türkçe
2024
Mekatronik MühendisliğiNecmettin Erbakan ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARALI
DR. ÖĞR. ÜYESİ ÖZGÜR DÜNDAR
- Endüstriyel uygulamalarda nesne yüzey hatalarının bilgisayarla görme tabanlı tespiti
Machine vision based detection of object surface defects on industrial applications
SERHAT TURAL
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REFİK SAMET
- Calculating radar range profile by time domain processing with physical optics
Fiziksel optik yöntemiyle zaman domeninde sinyal işleme kullanılarak radar menzil profilinin hesaplanması
ECE YAZAREL
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- Uydu verileri ile İstanbul Boğazı ve Haliç'de su kirliliğinin makro düzeyde belirlenmesi
Intrepretation at macro level as pollution of water resources of remotely sensed data of Bosphorus and golden horn estuary by an unsupervised and supervised classification method
H.GONCA COŞKUN
- Derin öğrenme yöntemleri ile metalik yüzeylerde kusur tespiti ve sınıflandırılması
Defect detection and classification on metallic surfaces using deep learning methods
FEYZA SELAMET
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERAP ÇAKAR