Derin öğrenme tabanlı sürücüsüz araç sistemleri

Abstract

Makine öğrenmesi (Machine Learning) ve özellikle derin öğrenme (Deep Learning) alnındaki gelişmeler pek çok farklı alanda ve özellikle de karmaşık problemlerin çözümü gibi birçok uygulamanın geliştirilmesine olanak sağlamaktadır. Makine öğrenmesi otomotiv endüstrisi üzerinde ve sürücüsüz araçların geliştirilmesinde büyük bir etkiye sahiptir. Sürücüsüz araç, insan müdahalesi olmadan kendi kendine hareket edebilen bir araçtır. Son yirmi yılda, sürücüsüz araçlar askeri, lojistik ve endüstriyel üretimdeki potansiyel uygulamaları ile hem akademiden, hem de endüstriden büyük ilgi görmeye başlamıştır. Sürücüsüz araçların geliştirilmesi, ölüm sayısını ve günümüz trafiğinin çevresel etkilerini azaltmak gibi birçok konuda toplumsal fayda sağlamaktadır. Sürücüsüz araç herhangi bir insan etkileşimi olmadan kendi kendini yönlendirebilmektedir. Sürücüsüz araçlar navigasyon için GPS, çarpışmaları önlemek için sensörler ve nesne tespit etmek için kameralar gibi çeşitli teknolojiler kullanmaktadırlar. Derin öğrenme ve PID kontrol ile otonom sürüş yapılabilmektedir. Bu tez çalışmasında simülasyon ortamında sürücüsüz araç eğitimi gerçekleştirilmiştir. Aynı zamanda PID kontrol ile aracın otonom hareket etmesi sağlanmış ve derin öğrenme ile eğitilen aracın otonom hareketi ile PID kontrol ile otonom hareket eden aracın performansları karşılaştırılmıştır.

Developments in Machine Learning and in particular Deep Learning focuses on the complexity of applications in a wide range of areas and in various issues related to solving problems. Machine learning has a significant impact on the automotive industry and in the development of autonomous vehicles. The autonomous vehicle is a vehicle which can drive itself without human intervention. Over the last two decades, autonomous vehicles have been receiving considerable interest from both academia and industry, with potential applications in military, logistics and industrial production. The development of autonomous vehicles provides social benefits in many aspects, such as reducing the number of deaths and reducing the environmental impact of today's traffic. The autonomous vehicle can steer itself without any human interaction. Autonomous vehicles use various technologies such as GPS for navigation, sensors to avoid collisions, and cameras for object detection. Autonomous driving can be performed with Deep Learning and PID control. In this study, autonomous vehicle training was conducted in a simulation environment. At the same time, the autonomous movement of the vehicle is achieved with PID control and the performances of the autonomous movement of PID control and the autonomous movement of the vehicle trained with deep learning are compared.