Derin öğrenme yaklaşımı kullanılarak otonom araçlar için park yapma

Abstract

Günümüzde otonom araçlar hayatımızın birçok alanında kullanılmaya başlamıştır. Bunun sebeplerinden biri de otonom araçların insan hayatını oldukça kolaylaştırmasıdır. Ancak bu faydalar yanında zorluklar da getirmektedir. Bu zorlukların olduğu problemlerden biri de aracın kendi kendine park etme sorunudur. Bu alanda otonom işlemler artıkça hesap yükü, maliyet, karmaşıklık artmaktadır. Bu sorunu çözmek için yapılmış çalışmalar genel olarak klasik SLAM algoritmaları kullanılarak ya da makine öğrenmesi ile sınıflandırma yapılarak aracın kendi kendine park yapmasını sağlamak amacıyla bazı çalışmalar yapılmıştır. Bu tezde ise, bu probleme daha yenilikçi bir yaklaşımla bakılarak derin öğrenme yaklaşımı ile çözüm getirilmek istenmiştir. Birinci aşamada veri toplamak amacıyla telefon ile uzaktan kontrol edilebilen otonom araç tasarımı yapılmıştır. İkinci aşamada veri toplamak ve aracın testini yapmak amacıyla parkur tasarlanmıştır. Uzman kullanıcı tarafından kontrol edilen araç ile bu parkur üzerinde park yerinin müsait olduğu ve olmadığı durumdaki veriler toplanılmış, bu ham veriden çıkarımlar yapılmıştır. Bu verilere ek olarak CNRPark veri seti de kullanılarak modelin eğitilmesi için çeşitli bir veri tabanı oluşturulmuştur. Bu veri tabanından rastgele şekilde seçilerek %75'i eğitim amaçlı, %25'i ile de test amaçlı kullanılarak derin öğrenme modeli geliştirilmiştir. Eğitilen bu modeli de araca gömerek, aracın müsait park yeri tespit edebilmesindeki başarısı ve başarılı şekilde park manevrası yapıp yapmadığı incelenmiştir. Bu çalışmada, bir aracın otonom park problemine yönelik olarak kendi kendine park yeri sınırlarının içerisinde kalacak şekilde park yapabilmesi için bir çalışma sunulmuştur.Today autonomous vehicles have been started to be used in many area of our lives. One of the reasons for is that autonomous vehicles make human life much easier. However, these benefits also bring difficulties. One of these difficulties is the parking problem of vehicle itself. As autonomous operations increase calculated load, cost and complexity increase in this aera. Studies to solve this problem are presented with solutions to self-parking by using classically SLAM algorithms or classification by machine learning. In this thesis, it is aimed to look at this problem with a more innovative way and to find a solution with deep learning approach. In the first stage, an autonomous vehicle that can be controlled remotely by phone was designed to collect data. In the second stage, the track was designed to collect data and test the vehicle. With the vehicle controlled by the expert user, the data on availability and absences of parking space on this track we collected, and inferences were made from this raw data. In addition to these data, a diverse database was created to train the model by using the CNR parking dataset. A deep learning model has been developed by using 75% of these data for training and %25 of them selected by randomly for testing. By embedding this trained model in the vehicle, the success of the vehicle in detecting a suitable parking space and whether it successfully maneuvered parking was analyzed. In this study, a solution is proposed for autonomous parking problem to enable a vehicle to park safely itself.