3D lidar based fall detection
3B lidar tabanlı düşme algılama
- Tez No: 967904
- Danışmanlar: PROF. DR. MUSTAFA ŞEN
- Tez Türü: Doktora
- Konular: Biyoteknoloji, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Teknolojiler Bilim Dalı
- Sayfa Sayısı: 139
Özet
Yaşlı nüfusun küresel ölçekte hızla artması, bu demografik grup için önde gelen düşme vakaları başta olmak üzere önemli sağlık sorunlarını da beraberinde getirmektedir. Giyilebilir, ortama yerleşik veya görüntü tabanlı sensörlere dayanan mevcut Düşme Algılama Sistemleri (DAS), genellikle kullanıcı gizliliği, maliyet, güvenilirlik ve kullanıcı uyumu gibi kritik sınırlamalara sahiptir. Bu tez, belirtilen araştırma boşluklarını doldurmayı hedefleyen yeni, düşük maliyetli, gerçek zamanlı ve gizliliği koruyan bir DAS'ın tasarımını, uygulanmasını ve değerlendirmesini sunmaktadır. Önerilen sistem, 8x8 çok bölgeli uçuş süresi (ToF) LiDAR sensörü ve bir ESP32 Modül Üzerinde Sistem (SoM) içeren özel tasarlanmış bir donanım platformu üzerine kurulmuştur. LiDAR sensörü, ortamın düşük çözünürlüklü derinlik haritalarını oluşturarak, tanımlanabilir görsel görüntüler kaydetmeden duruş analizi yapılmasına olanak tanır. Böylece kullanıcı gizliliğini temin eder. ESP32'nin çift çekirdekli mimarisi ve entegre kablosuz ağ özelliği, cihaz üzerinde işlem için gerekli hesaplama gücünü sağlar. Sistemin gömülü yazılımı, sensör sorgulama, veri işleme ve Wi-Fi ile RS485 arayüzleri üzerinden iletişim gibi eşzamanlı görevleri yöneten FreeRTOS gerçek zamanlı işletim sistemi üzerine inşa edilmiştir. Bu çalışma kapsamında uçtan uca eksiksiz bir Tiny Machine Learning (TinyML) iş akışı geliştirilmiştir. Bu iş akışı, veri toplama ve görselleştirme için bir C# uygulaması, Google Colaboratory bulut ortamında model eğitimi ve gerçek donanım üzerinde doğrulama için Python tabanlı bir simülasyon aracı içermektedir. Deneysel sonuçlar, cihaz üzerinde konuşlandırılan 3 katmanlı bir yoğun sinir ağının, hem çıkarım hızı (yaklaşık 480 µs'ye karşılık 3150 µs) hem de tahmin güvenilirliği açısından bir Evrişimli Sinir Ağı'ndan (CNN) önemli ölçüde daha iyi performans gösterdiğini ortaya koymuştur. Seçilen nihai model, cihaz üzerinde yapılan testlerde düşme olayları ile günlük yaşam aktivitelerini güvenilir bir şekilde ayırt ederek yüksek doğruluk sergilemiştir. Bu çalışma, çok bölgeli LiDAR algılama ve uçta yapay zeka (edge AI) teknolojilerinden yararlanarak etkili, düşük maliyetli ve gizliliğe duyarlı, uygulanabilir bir DAS prototipini başarıyla ortaya koymakta ve yaşlı bireylerin güvenliğini ve bağımsızlığını artırmak için pratik bir çözüm sunmaktadır.
Özet (Çeviri)
The rapid growth of the global elderly population presents significant healthcare challenges, with falls being a leading cause of injury, loss of independence, and mortality in this demographic. Existing Fall Detection Systems (FDS) based on wearable, ambient, or vision-based sensors often suffer from critical limitations concerning user privacy, cost, reliability, and user adherence. This thesis addresses these research gaps by presenting the complete design, implementation, and evaluation of a novel, low-cost, real-time, and privacy-preserving FDS. The proposed system is built upon a custom design hardware platform featuring an 8x8 multi-zone Time-of-Flight (ToF) LiDAR sensor and an ESP32 System-on-a-Module (SoM). The LiDAR sensor captures low resolution depth images of the environment, enabling posture analysis without recording identifiable visual images ensuring user privacy. The ESP32's dual-core architecture and integrated wireless capabilities provide the necessary computational power for on-device processing. The system firmware is built on the FreeRTOS real-time operating system, which manages concurrent tasks for sensor polling, data processing, and communication via Wi-Fi and RS485 interfaces. A complete end-to-end Tiny Machine Learning (TinyML) workflow was developed. This includes a C# application for data acquisition and visualization, model training in the Google Colaboratory cloud environment, and a Python-based tool for on-device validation. Experimental results showed that a 3-layer dense neural network significantly outperformed a Convolutional Neural Network (CNN) in both inference speed (approx. 480 µs vs. 3150 µs) and prediction confidence. The final selected model demonstrated high accuracy in on-device testing, reliably distinguishing between fall events and normal activities of daily living (ADL). This work successfully demonstrates a feasible FDS prototype that is effective, low-cost, and privacy-conscious by leveraging multi-zone LiDAR sensor and edge AI microcontroller. And it presents a practical solution for enhancing the safety and independence of elderly individuals.
Benzer Tezler
- Dairesel mesafe ölçme sistemleri kullanılarak sensör geliştirilmesi
Development of sensor using circular distance measurement system
CİHAD SÜRMELİ
Yüksek Lisans
Türkçe
2021
BiyomühendislikFatih Sultan Mehmet Vakıf ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EBUBEKİR KOÇ
- 4 bacaklı robot sistemi üzerinde 3d LiDAR ile sensör füzyonuve haritalama
Sensor fusion and mapping on a 4 legged robot system with 3DLiDAR
ONURCAN YILMAZ
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL UYANIK
- 3B lidar ile üretilen model doğruluğunun araştırılması
Investigation of the accuracy of 3D lidar-derived models
ALEYNA BAŞARAN
Yüksek Lisans
Türkçe
2025
Jeodezi ve FotogrametriOndokuz Mayıs ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. VELİ İLÇİ
- LiDAR odometry based 3D slam for autonomous ground vehicles
Otonom kara araçlarında LiDAR odometre tabanlı 3B EZKH
ABDULBAKİ AYBAKAN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Otonom araçlar için 2B lazer tarayıcı kullanılarak yeni 3B LIDAR sistemi elde edilmesi ve engel tespiti
Obtaining a new type 3D LIDAR system using 2D laser scanner for autonomous vehicles and obstacle detection
AHMET KAĞIZMAN
Yüksek Lisans
Türkçe
2018
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDİNÇ ALTUĞ