Kötü hava koşullarında otonom araçlar için matematiksel programlama temelli yaklaşımlar

Otonom araçlar sahip oldukları yazılım ve donanımlar sayesinde, herhangi bir sürücüye ya da müdahaleye ihtiyaç duymadan etraflarındaki trafik akışını, yayaları ve diğer araçları algılayarak seyir halinde gidebilen robotlardır. Bu algılama işlemini radar, lidar, stereo kamera gibi sensörlerden elde edilen veriler üzerinden yaparlar. Sonrasında elde edilen sensör verisini işleyerek, trafik akışına katılırlar. Ancak otonom araçların beklenildiği gibi günlük hayatımızın birer parçası olabilmesinin önündeki en büyük engellerden biri, sensör performanslarının kötü hava koşullarında dramatik olarak düşmesidir. Bu çalışmada yağmurlu hava koşulunda, bir otonom araçtaki stereo kamera sensöründen elde edilen görüntüler üzerindeki nesne sınıflandırma problemi ele alınmıştır. Bu problemin çözümü ve karşılaştırmalı sonuçların alınabilmesi için aynı gerçek hayat senaryosunun hem güneşli hem de yağmurlu havada çekilen görüntülerini barındıran iki ayrı veri seti kullanılmıştır. Yağmur damlaları nedeniyle bozulmaya uğramış görüntülerin temizlenmesi için derin sinir ağı tabanlı bir otokodlayıcı model önerilmiştir. Elde edilen sonuçlar, önerilen otokodlayıcının yağmur gürültüsünü temizleyerek, gürültülü fotoğraflardaki nesne sınıflandırma performansını iyileştirdiğini göstermektedir.