AI Summary & Key Takeaways
AI InsightIn the simulation environment, the motion control of the autonomous vehicle was successfully performed by this data.
📌 3 Key Takeaways
Abstract
Traffic accidents are substantially caused by driver faults and breaking the rules. With the studies conducted in recent years, developments in electric and autonomous vehicle technologies are progressing very rapidly. By the systems developed, it is aimed to prevent the driver-induced accidents. The main problem in autonomous vehicles is the recognition of traffic signs and markers while running in real time. The data from the sensors and cameras used in autonomous vehicles are transformed into meaningful results with established algorithms. In this way, it is aimed that the vehicle will act in accordance with the traffic rules, independent of the driver. Within the scope of this study, the data of traffic signs and markers used in Turkey were collected and different data sets of six signs were created. Using these data sets, trainings were carried out via Haarcascade machine learning algorithm. The traffic signs trained via the Haarcascade method were defined on the track created in a three-dimensional simulation environment. Training data were tested by simulating the behavior of the autonomous vehicle on the track. In the simulation environment, the motion control of the autonomous vehicle was successfully performed by this data.
Özet
Trafik kazaları büyük oranda sürücü kusurlarından ve trafik kurallarına uyulmamasından kaynaklanmaktadır. Son yıllarda yapılan çalışmalar ile elektrikli ve otonom araç teknolojilerindeki gelişmeler çok hızlı bir şekilde ilerlemektedir. Geliştirilen sistemler ile sürücü kaynaklı kazaların önüne geçilmesi amaçlanmaktadır. Otonom araçlardaki en temel problem ise gerçek zamanlı olarak hareket ederken trafik işaret ve işaretçilerinin tanımlanmasıdır. Otonom araçlarda kullanılan sensör ve kamera gibi algılayıcılardan gelen verilerin kurulan algoritmalar ile anlamlı sonuçlara dönüştürülmesi sağlanmaktadır. Bu sayede aracın sürücüden bağımsız olarak trafik kurallarına uygun şekilde hareket etmesi hedeflenmektedir. Bu çalışma kapsamında Türkiye’de kullanılan trafik işaret ve işaretçileriyle ilgili veriler toplanarak altı levhaya ait farklı veri setleri oluşturulmuştur. Haarcascade makine öğrenmesi algoritması ile veri seti dâhilinde eğitimleri gerçekleştirilmiştir. Haarcascade yöntemi ile eğitimi gerçekleştirilen levhalar üç boyutlu simülasyon ortamında oluşturulan parkur üzerinde tanımlanmıştır. Parkur üzerinde otonom aracın davranışları simüle edilerek eğitim verileri test edilmiştir. Bu veriler ile simülasyon ortamında otonom aracın hareket kontrolü başarılı bir şekilde gerçekleştirilmiştir.