Atilla, Doğu ÇağdaşAlsaedi, Mustafa Oudah Hani2024-12-252024-12-2520242024Alsaedi, M. O. H. (2024). Design and implementation of an autonomous vehicle enhanced by advanced driver assistance systems (ADAS) using ML. (Yayınlanmamış yüksek lisans tezi). Altınbaş Üniversitesi, Lisansüstü Eğitim Enstitüsü, İstanbul.https://hdl.handle.net/20.500.12939/5105This thesis discusses the design and implementation of an autonomous vehicle enhanced with advance driver assistance systems (ADAS) using machine learning. This vehicle can be classified as an educational platform suitable for researchers and specialists in the field of autonomous vehicles. Its structure can be easily modified to meet the needs of researchers, and it can be reprogrammed with ease. The work details the construction of the vehicle, including the chassis structure, suspension system, steering system, brakes, and the anti-lock braking system (ABS). Control of the vehicle is achieved through a mobile phone using a control program developed with MIT App Inventor, allowing wireless Bluetooth communication for driving. The thesis also covers the vehicle's key tasks, such as path planning and navigation using a specialized algorithm for selecting the shortest path to the destination. The vehicle is equipped with ultrasonic sensors distributed around it to detect both stationary and moving obstacles. Additionally, a LIDAR sensor is used for obstacle detection. A machine learning model is created to sense obstacles, trained on data collected from various sensors and scenario, and used to implement autonomous driving in simulation and augmented reality. The results demonstrate the vehicle's ability to navigate obstacles during its journey. Finally, the vehicle can recognize different traffic signs, trained using machine learning on a dataset of over 50,000 samples of 43 classes of German traffic signs. The model is tested for visualization and through the vehicle's camera, enabling it to recognize and respond to all traffic signs appropriately.Bu tez, makine öğrenimini kullanan gelişmiş sürücü destek sistemleri (ADAS) ile geliştirilmiş otonom bir aracın tasarımını ve uygulamasını tartışmaktadır. Bu araç, otonom araçlar alanında çalışan araştırmacılara ve uzmanlara uygun bir eğitim platformu olarak sınıflandırılabilir. Yapısı araştırmacıların ihtiyaçlarını karşılayacak şekilde kolaylıkla değiştirilebilir ve kolaylıkla yeniden programlanabilir. Çalışmada şasi yapısı, süspansiyon sistemi, direksiyon sistemi, frenler ve kilitlenmeyi önleyici fren sistemi (ABS) dahil olmak üzere aracın yapısı ayrıntılarıyla anlatılıyor. Aracın kontrolü, MIT App Inventor ile geliştirilen ve sürüş için kablosuz Bluetooth iletişimine olanak tanıyan bir kontrol programı kullanılarak cep telefonu aracılığıyla sağlanıyor. Tez ayrıca, hedefe giden en kısa yolu seçmek için özel bir algoritma kullanarak yol planlama ve navigasyon gibi aracın temel görevlerini de kapsamaktadır. Araç, hem sabit hem de hareketli engelleri tespit etmek için etrafına dağıtılmış ultrasonik sensörlerle donatılmıştır. Ayrıca engel tespiti için LIDAR sensörü kullanılıyor. Engelleri algılamak için bir makine öğrenimi modeli oluşturuluyor, çeşitli sensörlerden ve senaryolardan toplanan verilerle eğitiliyor ve simülasyonda ve artırılmış gerçeklikte otonom sürüşü uygulamak için kullanılıyor. Sonuçlar, aracın yolculuğu sırasında engelleri aşma yeteneğini gösteriyor. Son olarak araç, 43 sınıf Alman trafik işaretinden oluşan 50.000'den fazla örnekten oluşan bir veri kümesi üzerinde makine öğrenimi kullanılarak eğitilen farklı trafik işaretlerini tanıyabiliyor. Model, görselleştirme açısından ve aracın kamerası aracılığıyla test edilerek tüm trafik işaretlerini uygun şekilde tanıması ve bunlara yanıt vermesi sağlandı.eninfo:eu-repo/semantics/closedAccessAutonomous VehicleADASLIDARMachine LearningConvolutional Neural NetworkArtificial Neural NetworkTraffic Sign RecognitionOtonom AraçADASLIDARMakine ÖğrenmesiEvrişimsel Sinir AğıYapay Sinir AğıTrafik İşareti TanımaMaster Thesis897212