Otonom dronlar için bir akıllı navigasyon ve engellerden kaçınma sistemi
An intelligent navigation and obstacles avoidance system for autonomous drones
- Tez No: 984622
- Danışmanlar: PROF. DR. ERSEN YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: İnsansız otonom hava sistemleri, Unmanned autonomous aerial vehicles
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Devreler ve Sistemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde otonom İnsansız Hava Araçları (İHA'lar) özellikle yapılandırılmamış ve engelli ortamlarda görev icrası için giderek daha fazla önem kazanmaktadır. Bu tür karmaşık alanlarda güvenli navigasyon ve etkili alan kapsaması, gelişmiş algılayıcı sistemleri ve yapay zeka tabanlı karar verme mekanizmalarını gerekli kılmaktadır. Bu tez çalışmasında, karmaşık ve engellerle dolu orman benzeri ortamlarda otonom İHA güvenli ve verimli kapsama hareketini gerçekleştirebilmesi amacıyla Derin Pekiştirmeli Öğrenme (DPÖ) tabanlı hibrit bir seyrüsefer sistemi geliştirilmiştir. Geliştirilen sistem, küresel düzeyde deterministik bir çim biçme (lawnmower) kapsama planlayıcısı ile yerel düzeyde engel kaçınma yeteneği sağlayan Yumuşak Aktör-Kritik (YAK) algoritmasının entegrasyonuna dayanmaktadır. Sistem, Robot İşletim Sistemi (RİS) Noetic altyapısı ve Gazebo simülasyon ortamı kullanılarak test edilmiştir. Simülasyon senaryoları, farklı boyut ve yoğunlukta engeller içeren 25×25 m ve 50×50 m ölçülerindeki alanlar olarak belirlenmiştir. Her iki senaryoda da sistemin engel algılama hassasiyeti, kaçınma davranışının tutarlılığı ve alan kapsama verimliliği kapsamlı bir şekilde değerlendirilmiştir. Elde edilen sonuçlar, YAK tabanlı engel kaçınma modülünün yüksek yoğunluklu engel bölgelerinde bile kararlı ve etkili bir kaçınma tepkisi ürettiğini ortaya koymuştur. Ayrıca sistem, engellerden kaçınırken görev bütünlüğünü koruyarak kapsama görevini tamamlayabilmiştir. Bu çalışma, DPÖ tabanlı otonom seyrüsefer sistemlerinin, yapılandırılmamış ortamlarda güvenli ve esnek operasyonlar gerçekleştirmesi adına umut verici sonuçlar ortaya koymakta ve benzer uygulamalar için güçlü bir temel sunmaktadır.
Özet (Çeviri)
In recent years, autonomous Unmanned Aerial Vehicles (UAVs) have gained increasing importance, particularly for mission execution in unstructured and obstacle-rich environments. Safe navigation and efficient area coverage in such complex domains necessitate the integration of advanced sensing technologies and artificial intelligence-based decision-making mechanisms. This thesis presents the development of a hybrid navigation system based on Deep Reinforcement Learning (DRL) to enable safe and efficient coverage operations by autonomous UAVs in cluttered, forest-like environments. The proposed system combines a deterministic global lawnmower coverage planner with a local obstacle avoidance module powered by the Soft Actor-Critic (SAC) algorithm. The framework was implemented and evaluated using the Robot Operating System (ROS) Noetic integrated with the Gazebo simulation environment. Experimental scenarios were designed within 25×25 m and 50×50 m areas containing randomly distributed static obstacles of varying densities. In both scenarios, the system's obstacle detection sensitivity, avoidance behavior consistency, and area coverage efficiency were comprehensively evaluated. The results demonstrate that the SAC-based avoidance module consistently produced stable and effective responses, even in high-density obstacle regions. Moreover, the UAV successfully completed the coverage mission while maintaining task integrity through adaptive path reconfiguration during obstacle encounters. This study highlights the potential of DRL-based autonomous navigation systems to perform safe and resilient operations in unstructured environments, offering a robust foundation for future research and real-world applications.
Benzer Tezler
- 3D nokta bulutu verileri kullanılarak otonom sürüş için nesne algılama yöntemi ile karayolu envanterlerinin tespit edilmesi
Determination of highway inventories with object detection method for autonomous driving using 3D point cloud data
HİLAL GEZGİN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. REHA METİN ALKAN
- Unmanned aerial vehicles based 3D city modeling data collection, processing and analysis the case of Yavuz Sinan neighborhood
İnsansız hava araç tabanlı 3D şehir modellemesi veri toplama, işleme ve analizi Yavuz Sinan mahallesi örneği
ABDALRAHMAN ALASHI
Yüksek Lisans
İngilizce
2019
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ÖZHAN ERTEKİN
- How to govern military ai: On the global governance of artificial intelligence from an international security perspective
Askeri yapay zeka nasıl yönetilmeli: Uluslararası güvenlik perspektifinden yapay zekanın küresel yönetimi
ONUR TÜRK
Yüksek Lisans
İngilizce
2021
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiBilim, Teknoloji ve Toplum Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. EMİNE ASLI ÇALKIVİK
- E-ticaretin gelişmesi ile akıllı son mil lojistiği: İnovasyon ve geleceğin teslimat seçenekleri
Başlık çevirisi yok
GİZEM TEPE
Yüksek Lisans
Türkçe
2025
İşletmeİstanbul Medipol Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GONCA REYHAN AKKARTAL
- An efficient intelligent UAV for human action monitoring in smart cities environment
Akıllı şehirler ortamında insan eylem izleme için verimli bir akıllı İHA
NASHWAN ADNAN OTHMAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN AYDIN