Depth-based scene mapping through spatio-temporal knowledge integration


Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: İngilizce

Öğrenci: MERİÇ DURUKAN

Danışman: HURİYE IŞIL BOZMA AYDIN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde, robotların nokta bulutu verilerini kullanarak haritalandırma yapması amaçlanmıştır. Bu zorlu işlem için gelen verilerin bölütlenmesi, kapsayıcı şekilde tanımlanması ve üretilen bilginin öğrenmede ve karar vermede kullanılması gerekmektedir. Bölütleme robota aday nesnelerin tanımlanmasını sağlar. Robot bu bilgileri öğrenme ve karar verme aşamalarında kullanır. LİDAR gibi derinlik algılayıcı sensörler robotların çevresel bilgi edinmeleri için önemlidir. Fakat, genellikle ayrık verili ortam taramaları üretirler. Bu yüzden, bu sensörlerin verilerinin işlenmesi özel olarak ele alınmalıdır. Bu çalışmada bölütleme işlemi için küresel koordinat düzleminde çalışacak yoğunluk esaslı bir yöntem önerilmiştir. Devamında, oluşan bölütleri betimleme amaçlı yamulmuş küre yaklaşıklık betimleyicisi önerilmiştir. Elde edilen deneysel sonuçlar tanımlayıcının nesneleri kategorilere ayırmada başarılı çalıştığı görülmüştür. Robot hareket ederken oluşan veri akışının anlık olarak değerlendirilmesi sahne anlamlandırmada çok önemli olsa da genellikle bu veriler üzerinden zamansal muhakeme yapılmaz. Fakat, robot hareketiyle oluşan bilgi akışında nesneler üzerinden bir devamlı olarak bir bilgi akışı gerçekleşmektedir. Bu bilgi akışını kullanmak adına zamansal yamulmuş küre yaklaşıklık betimleyicisi önerilmektedir. Nesnelerin takibi için Kalman filtreleme ve konum ve şekil benzerliğinin aynı anda kullanıldığı çoklu nesne eşleştirme yöntemi önerilmiştir. Böylece, robot hem anlık, hem de zamansal verileri kullanarak etrafındaki nesneleri tanıyabilmekte ve ortama ait anlambilimsel harita oluşturabilmektedir. Nesne sınıflandırmasına yönelik deneylerde, robotlarda zamansal yamulmuş küre yaklaşıklık betimleyicisinin anlık oluşturulmuş betimleyicilere göre performans artışı sağladığı gözlemlenmiştir.