ASOS INDEKS
Görüntüleme
5
Konforlu ve güvenli sürüşü sağlamak için otomotiv sektörü son yıllarda otonom araçların gelişimini hızlandırmıştır. Otonom araçların tasarımında şerit tespiti gibi zorlu problemlerin çözülmesi gerekmektedir. Birçok alanda üstün performans gösteren evrişimli sinir ağları şerit tespit problemlerinde de kullanılmıştır. CNN modellerini eğitmek için gerekli olan veri setleri, manuel çaba ile toplanıp etiketlenemeyecek kadar büyüktür. Bu çalışmada, otoyol şeritlerinin tespitinde kullanılacak etiketli bir veri setinin video oyunu ortamından otomatik olarak toplanması için bir yöntem önerilmiştir. ResNet50, VGG16, Xception ve InceptionV3 ağları gibi farklı CNN modelleri, toplanan 745,823 görsel ile Transfer Öğrenme yöntemi kullanılarak eğitilmiştir. Araç ön kamerası tarafından yakalanan görüntüler girdi olarak kullanılmış, aracın yol merkezine olan açısı ile birlikte aracın önündeki iki boyutlu düzlemde bulunan sol, sağ ve merkez şerit koordinatları çıktı olarak kullanılmıştır. Bu modellerin performansları eğitim setinde kullanılmayan bir otoyoldan toplanan görüntüler üzerinde test edilerek karşılaştırılmıştır. Performans karşılaştırmalarına göre en iyi performansı ResNet50 modeli vermektedir.
To ensure comfortable and safe driving, the automotive industry has accelerated the development of autonomous vehicles in recent years. In the design of autonomous vehicles, challenging problems such as lane detection need to be solved. Convolutional neural networks, which show superior performance in many fields, have also been used in the lane detection problem. The datasets required to train CNN models are too large to be collected and labeled by manual effort. In this study, a method is proposed to automatically collect a labeled data set from the video game environment to be used in the detection of highway lanes. Different CNN models such as ResNet50, VGG16, Xception, and InceptionV3 networks are trained using the Transfer Learning method with 745,823 collected images. The images captured by the front vehicle camera are used as input, the coordinates of the points in the left and right lane and the center of the lane in the 2D plane in front of the vehicle and the angle of the vehicle are used as outputs. The performances of these models are tested and compared on the images collected from a road not used in the training set. According to the performance comparisons, ResNet50 performs best.
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
