Otonom Tabanlı İşaret ve Şerit Tanımak Amacı ile Bir Öğrenme Sisteminin Geliştirilmesi
Abstract
Günlük hayatta trafik kazaları oranlarına bakıldığında sürücü hatalarının oldukça fazla olduğu görülmektedir. Pazara yeni çıkan araç modelleri sürücüye şerit takibi başta olmak üzere akıllı sürüş ve sürüş asistanı gibi otonom veya yarı otonom sürüş destekleri sunan kontrol yöntemleri ile ortaya çıkmaktadır. Bu çalışmada otonom araçların trafikte iken sürücüye yardımcı olması için trafik işaretlerinin doğru olarak tanınması ve sürücüye uyarıda bulunması adına bir sistemin geliştirilmesi amaçlanmıştır. Sistemin geliştirilmesi sürecinde şahsi araç üzerine montajlanmış bir kameradan alınan yol görüntü videolarıyla özgün bir veri seti oluşturulmuş ve bu verilerle trafikte yollarda bulunan işaretlerin ve trafik lambalarının tanınması sağlanmıştır. Yüksek tanıma doğruluğu için çeşitli yapay zeka algoritmaları birleştirilerek etkili bir sınıflandırma gerçekleştirilmiştir. Eğitim veri setinin oluşturulması için şahsi aracın ön camına yerleştirilmiş olan bir yol kamerası ile Konya ili Selçuklu ve Meram ilçelerinin yollarındaki trafik lambalarından ve trafik levhalarındaki işaretlerden video kamera verileri ede edilmiştir. Şahsi araçtan elde edilen veri seti kullanılarak bir yapay sinir ağı modeli eğitilmiştir. Deneysel olarak yapılan bu çalışmada %90 oranında doğruluk elde edilmiştir. Trafik işaret ve lambalarını tanıma sisteminden sonra otonom bir araç platformu için şerit tanıma ve viraj algılama sistemi geliştirilmiştir. Bu sistem sayesinde aracın direksiyon açısı hesaplanmış ve bir PID kontrolcüyle aracın direksiyonu otonom olarak kontrol edilmiştir.
Keywords
References
- Binangkit, J. L. ve Widyantoro, D. H. (2017). Increasing accuracy of traffic light color detection and recognition using machine learning. Proceeding of 2016 10th International Conference on Telecommunication Systems Services and Applications, TSSA 2016: Special Issue in Radar Technology içinde . doi:10.1109/TSSA.2016.7871074
- Girshick, R. (2015). Fast R-CNN. Proceedings of the IEEE International Conference on Computer Vision içinde . doi:10.1109/ICCV.2015.169
- Lasota, M. ve Skoczylas, M. (2016). Recognition of multiple traffic signs using keypoints feature detectors. Proceedings of the 2016 International Conference and Exposition on Electrical and Power Engineering, EPE 2016 içinde . doi:10.1109/ICEPE.2016.7781397 NVIDIA. (2021). Convolutional Neural Network (CNN). 11 Ağustos 2021 tarihinde https://developer.nvidia.com/discover/convolutional-neural-network adresinden erişildi.
- Ren, S., He, K., Girshick, R. ve Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. Advances in Neural Information Processing Systems içinde.
- Sermanet, P., Eigen, D., Zhang, X., Mathieu, M., Fergus, R. ve LeCun, Y. (2014). Overfeat: Integrated recognition, localization and detection using convolutional networks. 2nd International Conference on Learning Representations, ICLR 2014 - Conference Track Proceedings içinde .
- Simonyan, K. ve Zisserman, A. (2015). Very deep convolutional networks for large-scale image recognition. 3rd International Conference on Learning Representations, ICLR 2015 içinde.
- Yavsan, E. ve Ucar, A. (2015). Teaching human gestures to humanoid robots by using Kinect sensor. doi:10.1109/siu.2015.7130053