Otonom araçlarda yol ve trafik unsurlarının görsel algılaması için derin öğrenme tabanlı yöntemler geliştirilmesi

Dünya çapında trafik kazalarının önemli bir kısmı insan hatalarından kaynaklanmaktadır. Bu trafik kazalarını azaltma veya önleme, emisyonları azaltma, engelli kişileri taşıma, yolculara uygun maliyetli ulaşım hizmeti sunma ve sürüşle ilgili stresi azaltma gibi amaçlarla otonom sürüş sistemleri geliştirilmektedir. Araç dinamiğindeki biriken bilgi, derin öğrenmenin ortaya çıkışının neden olduğu bilgisayarlı görme alanındaki atılımlar ve çeşitli sensör teknolojilerinin mevcudiyeti, otonom sürüş sistemleriyle ilgili araştırmaları katalize etmektedir. Bununla birlikte, karmaşık trafiğe sahip kentsel ortamlarda emniyetli sürüş gerçekleştirilebilmesi için otonom sürüş sisteminin yazılım mimarisindeki konumlandırma, algılama, planlama ve araç kontrolü gibi modüllerin kusursuz bir şekilde tasarlanması gerekir. Özellikle, algılama modülü, aracın çevresi ile etkileşimi sağladığı ilk evre olması bakımından önemi bir kat daha artmaktadır. Bu modüldeki hatalı bir nesne tanıma ve izlemenin sonucu direkt diğer modüllere etki eder ve otonom aracın yanlış karar almasına ve dolayısıyla kaza durumlarına yol açabilir. Bu nedenle, bu tez çalışmasında, algılama modülünün görevlerinden yaya geçidi tespiti, yol yüzeyindeki çatlakların tespiti, trafik sahnesindeki nesnelerin tespiti ve sürülebilir yol bölgelerinin tespiti için doğruluk performansının arttırılmasına odaklanılmıştır. Her bir görev için evrişimsel sinir ağlarını temel alan yeni bir yöntem geliştirilerek önerilmiştir. Sürülebilir yol bölgesinin tespiti için literatürdeki veri seti eksikliğini gidermek için yeni ve özgün bir veri seti hazırlanmıştır. Deneysel testlerde her bir görev için önerilen yöntem ve sanat harikası yöntemler kendi içinde değerlendirildiğinde önerilen yöntemler sanat harikası yöntemlere göre doğruluk açısından daha başarılı olmuştur.