Deniz, KaraçorSinan, Güven2025-04-092024https://hdl.handle.net/11727/12811Bu tezde, otonom araçlar için yol çizgisi takibi algoritmalarının geliştirilmesi ve performanslarının değerlendirilmesi amaçlanmıştır. Yol çizgisi takibi, otonom sürüş sistemlerinin güvenilirliği ve etkinliği açısından kritik bir bileşendir. Yol çizgisi takibi algoritmaları makine öğrenmesi tabanlı yöntemler ve geleneksel görüntü işleme teknikleri kullanılarak ikiye ayrılmaktadır. Makine öğrenmesi tabanlı yöntemler, belirli veri setleri üzerinde eğitilen modellerle çalışmakta olup, veri setinin dışındaki senaryolarda performans düşüşü yaşayabilmektedir. Bu yöntemlerin başarısı, kullanılan veri setinin çeşitliliği ve kapsamı ile doğrudan ilişkilidir [1]. Geleneksel yöntemler, veri setine bağımlı olmaksızın çalışmakta ve model eğitimi gerektirmediğinden hızlı bir şekilde uygulanabilmektedir. Bu yöntemler, yol çizgisi bilgilerini çıkartmak için kenar tespiti ve görüntü segmentasyonu gibi klasik görüntü işleme tekniklerinden yararlanmaktadır. Bu araştırmada yol çizgisi takibi için geleneksel yöntemlerin etkinliği değerlendirilmiştir. Yatay filtre komşuluk değerinin (τ) görüntünün parlaklığına göre adaptif hale getirilmesi gibi yenilikçi yaklaşımlar kullanılmıştır. Adaptif yöntem, değişen ışık koşullarında yol çizgilerinin doğru tespit edilmesini kolaylaştırmaktadır. Deneysel sonuçlar, adaptif τ seçiminin yol çizgisi tespiti üzerindeki olumlu etkilerini göstermiştir. Bu bulgular, otonom sürüş sistemlerinin güvenilirliğini ve etkinliğini artırmaya yönelik önemli katkılar sunmaktadır. In this thesis, the aim is to develop and evaluate lane tracking algorithms for autonomous cars. Lane tracking is a critical component for the reliability and efficiency of autonomous driving systems. Lane tracking algorithms are divided into two categories: machine learning-based methods and traditional image processing techniques. Machine learning-based methods work with models trained on specific datasets and may experience performance drops in scenarios outside of these datasets. The success rates of these methods are directly related to the diversity and scope of the dataset used [1]. Traditional methods, on the other hand, operate independently of the dataset and can be implemented quickly as they do not require model training. These methods utilize classic image processing techniques such as edge detection and image segmentation to extract lane information. In this research, the effectiveness of traditional methods for lane tracking has been evaluated. Innovative approaches, such as making the horizontal filter neighbourhood value (τ) adaptive to the brightness of the image, have been employed. The adaptive method facilitates the accurate detection of lanes under varying lighting conditions. Experimental results have shown the positive effects of adaptive τ selection on lane detection. These findings offer significant contributions to enhancing the reliability and efficiency of autonomous driving systems.trGörüntü İşlemeYol Çizgisi TakibiOtonom SürüşElektronik SensörYol ÇizgisiMaster Thesis