Eeg-based assessment of cybersickness in a vr environment and adjusting stereoscopic parameters according to level of sickness to present a comfortable vision
Sanal gerçeklik rahatsızlıklarının eeg sinyalleri kullanılarak belirlenmesi ve rahatsızlık seviyesine göre konforlu bir seyir için iyileştirmelerin yapılması
- Tez No: 689574
- Danışmanlar: DR. ÖĞR. ÜYESİ UFUK ÇELİKCAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sanal gerçeklik (VR), başa takılan ekranların (HMD) kullanılmasıyla daha gerçekçi ve sürükleyici bir deneyim sağlayan, giderek yaygınlaşan bir teknolojidir. Fakat, bu teknolojik gelişim bazı yan etkileri beraberinde getirmektedir. Sanal bir ortamı deneyimleyen kullanıcılar hareket tutması rahatsızlığına benzer rahatsızlık yaşarlar. Sanal ortamlara maruziyet sonrasında deneyimlenen bu rahatsızlık gerçek bir fiziksel hareketin olmaması nedeniyle sanal gerçeklik tutması (cybersickness) olarak adlandırılmıştır. Bu çalışmada amacımız sanal ortamlarda deneyimlenen sanal gerçeklik tutması rahatsızlığını tespit etmek, sınıflandırmak ve bu rahatsızlığı hafifletmek için ilgili sahne parametrelerini güncellemektir. Sunulan sanal ortamda kullanıcıların rahatsızlığa maruz kalabilmeleri için sanal ortamlar oluşturulurken navigasyon hızı, sahne karmaşıklığı ve stereoskopik sahne oluşturma parametreleri kullanılmıştır. Sunulan sanal ortamı deneyimleyen katılımcılardan eşzamanlı olarak toplanan elektroensefalogram (EEG) verileri, Filtre Bankası Ortak Mekansal Patern (FBCSP) algoritmasına dayanan iki aşamalı sığ evrişimli sinir ağını (Shallow Convolutional Neural Network) eğitmek için kullanılmıştır. Önerilen iki aşamalı model, sanal gerçeklik tutması rahatsızlığını tespit etmek ve bu rahatsızlığa neden olan faktörü sınıflandırmak için kullanılmıştır. Önerilen modelde rahatsızlığın tespit performansı %76.26'lik doğruluğa ulaşırken, rahatsızlığa neden olan faktörün sınıflandırıldığı modelde %81.01'lik doğruluk performansı elde edilmiştir. Önerilen sistemin gerçek zamanlı performansını değerlendirmek için, farklı katılımcılar ile iki kontrol oturumundan ve bir modellerin döngüde olduğu oturumdan oluşan bir deney gerçekleştirilmiştir. Her bir oturumun başında ve sonunda uygulanan Simülatör Rahatsızlığı Anketi (SSQ) puanlarındaki farklar ve sahne parametrelerindeki zamana bağlı değişimler, katılımcıların önerilen sanal gerçeklik tutması tespit ve azaltma sisteminin (CDMS) kullanıldığı oturumda daha az rahatsızlık deneyimlediklerini göstermiştir.
Özet (Çeviri)
Virtual reality (VR) is an increasingly widespread technology that provides a more realistic and fully immersive experience by using head-mounted displays (HMDs). However, this medium comes with some side effects. Users immersed in a virtual environment (VE) experience motion sickness like discomfort, which is named visually induced motion sickness(VIMS) or, more commonly, cybersickness. In an effort to overcome cybersickness experienced with stereoscopic displays, we propose a novel real-time system to detect cybersickness from the incoming electroencephalogram (EEG) feedback and to mitigate it by updating the cue parameters as per the feedback from the proposed model. The VE used in the study was generated procedurally by tuning levels of 3 different types of cues (navigation speed, scene complexity, and stereoscopic rendering parameters) to induce cybersickness in a varying range of severity. In the first phase of the study, we trained a two-stage shallow convolutional neural network with the EEG data collected from the users while immersed in the VE. The proposed two-stage model was utilized to detect cybersickness and to classify factors causing cybersickness, respectively. The performance of the cybersickness detection model reached an overall accuracy of 76.26%, while the factor type classification model achieved 81.01% overall accuracy. To assess the performance of the proposed cybersickness detection and mitigation system, an experiment consisting of two control sessions, and one models-in-the-loop session (MIL) was conducted in the second phase of the study with a different user sample. The differences in the Simulator Sickness Questionnaire (SSQ) responses collected before and after each session, and the time-dependent changes in the cue parameters showed that the participants felt less cybersickness during the MIL session in which the proposed cybersickness detection and mitigation system (CDMS) was utilized.
Benzer Tezler
- Görsel-işitsel uyaranlar kaynaklı oluşan duyguların EEG işaretleri ile sınıflandırılması
Classification of emotions based on audio-visual stimulus by EEG signals
HASAN POLAT
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET SİRAÇ ÖZERDEM
- Epileptik EEG sinyallerinin makine öğrenmesi yöntemleri ile sınıflandırılması
Classification of epileptic EEG signals based on machine learning methods
ANDAÇ İMAK
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MELİH CEVDET İNCE
- Mimari korumanın insanlar üzerindeki bilişsel etkilerinin EEG cihazı ve Eye Tracking Yöntemi ile değerlendirilmesi
Evaluation of the cognitive effects of architectural conservation on people with EEG device and Eye Tracking Method
TÜRKAN BÜŞRA BAŞAR
Yüksek Lisans
Türkçe
2022
MimarlıkSüleyman Demirel ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. SEDA ŞİMŞEK TOLACI
- Exploring the cognitive processes of map users employing eye tracking and EEG
Göz izleme ve EEG yöntemleri kullanılarak harita kullanıcılarının bilişsel süreçlerinin araştırılması
MERVE KESKİN
Doktora
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZGÜR DOĞRU
PROF. DR. PHILIPPE DE MAEYER
- Uyaran parametrelerinin EEG'de dinamik etkileri
The dynamics effect of stimulus parameters on EEG
TURAN ONUR BAYAZIT