Derin öğrenme ile yaya-araç tespiti ve mesafe kestirimi
Yükleniyor...
Dosyalar
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Ege Üniversitesi, Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Dünya çapında, artan trafik kazalarını azaltmak için, yayaların ve sürücülerin güvenliğini
sağlamak amacıyla geliştirilen ADAS sistemlerine olan ilgi her geçen gün artmaktadır. Bu
konuda gerçekleştirilen çalışmalardan bir tanesi de öndeki araçlarla veya yayalarla olan
mesafenin tespit edilerek olası bir kazayı önlemek üzerinedir. Günümüzde bu mesafe
ölçümleri Radar, LiDar, kamera, vb. araçlar kullanılarak yapılmaktadır. Yapılan tez kapsamında, insan ve araçlardan oluşan bir veri seti hazırlanmış ve YOLOv5s modeli
kullanılarak eğitildikten sonra, insan ve araç tespiti için kullanılmıştır. Bu tespit edilen araç ve yayaların mesafeleri IPM metodu kullanılarak tahmin edilerek sürücüye uyarı verebilecek bir sistem geliştirilmiştir. Geliştirilen sistem, nesne tespiti ve mesafe tahminini 30 fps hızla yapmakta olup, nesne tespitini ortalama hassasiyetlerin ortalaması @0,5(Mean Avarage Precission - mAP) için 0,835 değeriyle gerçekleştirmektedir. Mesafe tahminleri de gerçek ölçümlerle kıyaslanmış ve gerçeğe çok yakın tahminlerde bulunulduğu görülmüştür.
The interest in ADAS systems, which are developed to reduce the increasing traffic accidents and to ensure the safety of pedestrians and drivers, is increasing day by day. One of the studies carried out on this subject is to prevent a possible accident by measuring the distance to the vehicles or pedestrians in front. Generally, these distance measurements are done by Radar, LiDar, camera, etc. Within the scope of the thesis, a data-set consisting of people and vehicles was prepared and this data-set was used to train the YOLOv5s model. After training, this model was used for pedestrian-vehicle detection.A system has been developed to warn the driver by estimating the distances of these detected vehicles and pedestrians using the IPM method. The developed system performs object detection and distance estimation at 30 fps and performs object detection with a value of 0.835 for mAP@0.5. The distance estimates were compared with the actual measurements and it was seen that the estimates were very close to the truth.
The interest in ADAS systems, which are developed to reduce the increasing traffic accidents and to ensure the safety of pedestrians and drivers, is increasing day by day. One of the studies carried out on this subject is to prevent a possible accident by measuring the distance to the vehicles or pedestrians in front. Generally, these distance measurements are done by Radar, LiDar, camera, etc. Within the scope of the thesis, a data-set consisting of people and vehicles was prepared and this data-set was used to train the YOLOv5s model. After training, this model was used for pedestrian-vehicle detection.A system has been developed to warn the driver by estimating the distances of these detected vehicles and pedestrians using the IPM method. The developed system performs object detection and distance estimation at 30 fps and performs object detection with a value of 0.835 for mAP@0.5. The distance estimates were compared with the actual measurements and it was seen that the estimates were very close to the truth.
Açıklama
Anahtar Kelimeler
Derin Öğrenme, Bilgisayarla Görme, ADAS Sistemleri, Mesafe Tahmini, Deep Learning, Computer Vision, ADAS Systems, Distance Estimation
