Otonom kara araçları için insansız hava aracı ile negatif engel tespit metodu
Yükleniyor...
Dosyalar
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Gedik Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Yapay zekâ teknolojileri tüm dünyada gün geçtikçe daha fazla yer edinmektedir. Sağlıktan uzay teknolojilerine kadar çok geniş bir alanda etkinlik gösteren yapay zekâ çalışmaları, insan hayatını kolaylaştırmasının yanı sıra gelecekteki yaşam faktörlerini değiştirecek yenilikler sağlamaktadır. Askeri, lojistik, ulaşım gibi pek çok farklı alanda faaliyet gösterecek otonom araç sistem projeleri de yapay zekâ çalışmalarının başında gelmektedir. Bu tezde askeri maksatlı otonom araç sistemlerinin geliştirilmesinde karşılaşılan en önemli sorunlardan olan negatif engel tespit yöntemleri üzerine kurulan metodolojik çalışma anlatılacaktır. Otonom araçların kullandıkları yollar orta ve yüksek irtifada seyir halindeki döner kanatlı insansız hava aracı aracılığıyla sık periyotlarda haritalandırılacak, engeller tespit edilecek ve tespit edilen tüm engeller aracın veri havuzunda toplanacaktır. Toplanan veriler teşhis edilecek, sınıflandırılacak ve önceliklendirilecektir. İnsansız hava aracının etkinliğinin stabil kalması için otonom araç üzerindeki platforma otonom iniş ve kalkışı modellenecektir. Kurulan Yapay Sinir Ağı algoritması ile makine öğrenmesi gerçekleştirilecektir. Böylelikle otonom araç ile insansız hava aracı arasındaki etkileşimden ötürü otonom araç, negatif engellere takılmadan ilerlemeye devam edecektir. Bu çalışmada sistem mimarisinin nasıl kurulacağı, kurulan mimarinin ve makine öğrenmesinin başarı oranı kurulan model ile anlatılmaya çalışılacaktır.
Artificial intelligence technologies are gaining more and more places all over the world. Operating in a wide range of fields from health to space technologies, artificial intelligence studies provide innovations that will change future life factors as well as facilitating human life. Autonomous vehicle system projects that will operate in many different fields such as military, logistics and transportation are also among the main AI studies. In this article, the methodological study on negative obstacle detection methods, which is one of the most important problems encountered in the development of autonomous vehicle systems for military purposes, will be explained. The roads used by autonomous vehicles will be mapped in frequent periods by means of a rotating winged drone traveling at medium and high altitudes, obstacles will be detected, and all obstacles detected will be collected in the vehicle's data pool. The collected data will be identified, classified, and prioritized. Autonomous landing and takeoff will be modeled on the platform on the autonomous vehicle to keep the effectiveness of the unmanned aerial vehicle stable. Machine learning will be performed with the established artificial neural network algorithm. Thus, due to the interaction between the autonomous vehicle and the unmanned aerial vehicle, the autonomous vehicle will continue to move forward without negative obstacles. In this study, how to establish the system architecture, the success rate of the established architecture and machine learning is tried to be explained with the established model.
Artificial intelligence technologies are gaining more and more places all over the world. Operating in a wide range of fields from health to space technologies, artificial intelligence studies provide innovations that will change future life factors as well as facilitating human life. Autonomous vehicle system projects that will operate in many different fields such as military, logistics and transportation are also among the main AI studies. In this article, the methodological study on negative obstacle detection methods, which is one of the most important problems encountered in the development of autonomous vehicle systems for military purposes, will be explained. The roads used by autonomous vehicles will be mapped in frequent periods by means of a rotating winged drone traveling at medium and high altitudes, obstacles will be detected, and all obstacles detected will be collected in the vehicle's data pool. The collected data will be identified, classified, and prioritized. Autonomous landing and takeoff will be modeled on the platform on the autonomous vehicle to keep the effectiveness of the unmanned aerial vehicle stable. Machine learning will be performed with the established artificial neural network algorithm. Thus, due to the interaction between the autonomous vehicle and the unmanned aerial vehicle, the autonomous vehicle will continue to move forward without negative obstacles. In this study, how to establish the system architecture, the success rate of the established architecture and machine learning is tried to be explained with the established model.
Açıklama
Lisansüstü Eğitim Enstitüsü, Yapay Zeka Mühendisliği Ana Bilim Dalı, Yapay Zeka Bilim Dalı
Anahtar Kelimeler
Otonom Araç, Negatif Engel Tespiti, İnsansız Hava Aracı, Yapay Zekâ, Yapay Sinir Ağı Makine Öğrenmesi, Autonomous Vehicle Negative Obstacle Detection, Unmmanned Air Vehicle, Artificial Intelligence, Convolutional Neural Network, Machine Learnning