Path planning for autonomous vehicles

Abstract

Bilimsel ilerleme sürekli devam eden bir süreçtir ve insanların her zaman yeni icatlar için yeni fikirleri vardır. Ancak, bilimsel ilerleyis kümülatiftir, arabayı icat etmeden önce tekerlegi icat etmeniz gerekmektedir. An itibarıyla insanlık o noktayı asmıs bulunmaktadır ve yeni meydan okumalara açıktır. Yeni fikirlerden biri kendileri giden arabalar, daha resmi ve genel bir tabirle, 'otonom yer araçları'dır. Sehir trafiginde seyreden otonom araçlar uzun yıllardan beri bir hayal olmustur. Ama bu fikrin gerçeklesmesi için bazı zorlukların üstesinden gelinmesi gerekmektedir. Otonom araçların senaryo algılama ve yörünge planlama gibi pek çok ayrı bileseni vardır. Sorunlarını çözmek için birçok metod üzerine çalısılmıs ve gelistirilmistir. Bu tezde, yeni bir yörünge planlama algoritması tanıtılmıs ve üzerinde yapılan detaylı deneylerin sonuçları paylasılmıstır. Algoritm gerçek amanlı çalısmaktadır ve bilinen algoritmalara bir alternatiftir. Deneyler özel olarak ayarlanmıs ölçeklenebilir bir ortamda, el yapımı bir araç, bilgisayar, kamera ve açık kaynak kodlu bir karekod kütüphanesi kullanılarak yapılmıstır.

Scientific progress is an ongoing process and humans always have new ideas for new inventions. Although, scientific process is cumulative, you must invent the tire before inventing the car. Currently, mankind have past that point and looking towards to new challenges. One of the new ideas is cars that drive themselves, in a more formaland general way, the 'autonomous ground vehicles'. Autonomous vehicles in city traffic have been a dream for a long time. However, this great idea comes with its own set of problems. There are many parts of autonomous driving such as scene understanding, path planning. Many methods have been studied and developed to solve its problems.In this thesis, a novel path planning algorithm and results of extensive experimentation on it are presented. The algorithm runs real-time and is an alternative to well known existing algorithms. The experiments are done in a scalable custom environment consisting of a custom-built vehicle, desktop computer, a camera and an open source marker library.