Real time dense slam in unstructured dynamic cluttered 3d environments
Yapılandırılmamış dağınık dinamik 3 boyutlu ortamlarda gerçek zamanlı yoğun anlık konumlama ve haritalama
- Tez No: 723595
- Danışmanlar: PROF. DR. AYDAN MÜŞERREF ERKMEN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Haritalama, Konumlandırma, Üç boyutlu yeniden yapılandırma, Mapping, Positioning, Three dimensional reconstruction
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
SLAM (Eşzamanlı Yer Belirleme ve Haritalandırma) problemi robotik alanında araştırmacılar tarafından sıklıkla çalışılan bir konu olmasına rağmen haritalama alanındaki geleneksel yaklaşımlar bulunulan ortamın durgun bir ortam olduğunu varsaymaktadır. Durgun ortam varsayımı sadece küçük alanlar için geçerli olmakta ve görsel SLAM'ın dinamik ortamdaki uygulamalarını sınırlandırmaktadır. Son zamanlarda dinamik ortamlar için önerilen son teknoloji SLAM çözümleri, Mask RCNN ve SegNet gibi farklı anlamsak bölümleme metotları kullanmaktadır ancak bu yazılımlar seyrek haritalama yazılım çerçevelerine (ORBSLAM) dayanmaktadır. Bu çalışmada; üç boyutlu (3D) yeniden yapılandırma hatalarının, genelleştirilmiş Gauss dağılımı kullanılarak statik ve dinamik sınıfların tanımlanabilmesi amacıyla manipüle edilmesi ve bu şekilde dinamik ortamlar için yeni bir gerçek zamanlı yoğun SLAM metodu oluşturulması amaçlanmıştır. Hedeflenen bu yaklaşımın belirgin obje takibi ve obje sınıflandırıcıya gerek duymaması, bu yaklaşımı herhangi bir hareketli objeye dayanıklı ve gerçek zamanlı haritalandırmaya uygun hale getirmektedir. Bu metot tekrarlanan görünümleri elemekte ve hacimsel füzyon performansını geliştiren tutarlı verileri kullanmaktadır.
Özet (Çeviri)
SLAM problem has been extensively studied by researchers in the field of robotics , however, conventional approaches in mapping assume a static environment. The static assumption is valid only in a small region, it limits the application of visual SLAM in dynamic environments. Recently proposed state of art SLAM solutions for dynamic environment use different semantic segmentation methods such as Mask RCNN and SegNet; however, these frameworks are based on a sparse mapping framework (ORBSLAM) Our proposed approach requires neither explicit object tracking nor object classifier, which makes it robust to any type of moving object and suitable for real-time mapping. Our method eliminates the repeated views and uses consistent data that enhance the performance of volumetric fusion. For completeness, we compare our proposed method using different type of high dynamic dataset, which are publicly available, in order to demonstrate the versatility and robustness of our approach. Experiments shows that its tracking performance better than other dense and dynamic SLAM approaches.
Benzer Tezler
- Utilization of Gaussian splatting in visual slam
Görsel eş zamanlı konumlandırma ve haritalamada Gauss sıçramasının kullanımı
FURKAN AYKUT SARIKAMIŞ
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH AYDIN ALATAN
- Markerless matching and pose estimation from 3D models for augmented reality applications
Artırılmış gerçeklik uygulamaları için 3 boyutlu modellerden işaretleyicisiz eşleştirme ve poz kestirimi
ZEYNEP MİRAY ERTUNÇ
Yüksek Lisans
İngilizce
2025
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT DURMAZ
- Real-time machine learning anomaly detection in computer networks
Bilgisayar ağlarında gerçek zamanlı makine öğrenimi anomali tespiti
HALİT CANAP DEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk-Alman ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZİYA CİHAN TAYŞİ
- Real time pedestrian tracking using adaptive kalman filter
Adaptif kalman filtresi kullanımı ile gerçek zamanlı yaya takibi
COŞKUN ORKUN VURAL
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- UNIFIED REAL TIME OBJECT DETECTION USING CONVOLUTIONAL NEURAL NETWORK
KONVOLÜSAL SİNİR AĞI KULLANILARAK BİRLEŞTİRİLMİŞ GERÇEK ZAMANLI NESNE ALGILAMA
HAMID RADAM HUSSEIN OBAIDI
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN