Dinamik ortamlarda görsel SLAM başarısının iyileştirilmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
Öğrenci: ALPEREN KÖSEM
Danışman: Erkan Uslu
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Eş Zamanlı Konumlama ve Haritalama (EZKH, Simultaneous Localization and Mapping - SLAM) algoritmaları, GPS'in yetersiz kaldığı veya hiç bulunmadığı ortamlarda robotların hareket edebilmesi için gerekli olan poz kestirimini sağlamakta ve çevrenin harita bilgisini oluşturmaktadır. Özellikle kameralardan elde edilen görüntüler üzerinde çalışan görsel SLAM (vSLAM) yaklaşımları, düşük maliyetli sensörler ile zengin bilgi sunması nedeniyle robotik sistemlerde yaygın olarak tercih edilmektedir. Ancak güncel vSLAM sistemlerinin temel problemlerinden biri, dinamik ortamlarda gürbüzlüğünü kaybetmeleridir. Modern algoritmaların sahnenin statik olduğu varsayımıyla tasarlanmış olması, şehir içi trafik ya da yoğun hareketli ortamlarda hatalı poz kestirimine ve yörünge sapmalarına sebep olmaktadır. Bu sebeple, dinamik nesnelerin sahneden filtrelenmesi algoritmanın doğruluğunu iyileştirmede kritik rol oynamaktadır. Literatürde dinamik sahnelerle başa çıkmak amacıyla hareket temelli ve semantik temelli yaklaşımlar önerilmektedir. Ancak bu iki yaklaşım tek başına kullanıldığında kamera hareketi ile nesnelerin hareketini ayrıştırmakta problem yaşamakta ya da semantik olarak tüm nesneleri maskeleyerek öznitelik sağlayabilecek faydalı bölgeleri de filtreleyerek algoritma başarısını düşürmektedir. Bu çalışmada, stereo Oriented FAST and Rotated BRIEF SLAM3 (ORB-SLAM3) üzerinde çalışan, You Only Look Once (YOLO) sinir ağından elde edilen semantik bilgi ile Recurrent All-Pairs Field Transforms (RAFT) ile hesaplanan optik akı bilgisini birleştiren derin öğrenme tabanlı optik akış ve nesne tespiti füzyonuna dayalı hibrit bir SLAM entegrasyonu önerilmektedir. Önerilen yöntemde YOLO sinir ağından gelen semantik bilgiler ile RAFT sinir ağından hesaplanan optik akı derinlik katsayılı bir eşikleme yapılmakta ve böylece fayda sağlayabilecek statik bölgeler korunurken, sahnedeki dinamik bölgelerin SLAM algoritmasına olumsuz etkisi giderilmektedir. Önerilen yöntem, KITTI odometri veri seti üzerinde filtrelenmemiş görüntüler ve YOLO tabanlı semantik filtreleme yaklaşımı ile ORB-SLAM3 kullanılarak karşılaştırılmıştır. Mutlak yörünge hatası (absolute trajectory error - ATE), mutlak rotasyon hatası (absolute rotaion error - ARE), bağıl yörünge hatası (relative trajectory error - RTE) ve bağıl rotasyon hatası (relative rotation error - RRE) değerlendirme metrikleri üzerinden değerlendirmiştir. Filtrelenmemiş görüntüler ile karşılaştırıldığında, önerilen yöntem sekanslar genelinde ortalama \%11.87 oranında iyileşme sağlamıştır. En yüksek kazanım Sekans~01 üzerinde elde edilmiştir ve ATE RMSE değeri 13.67 metreden 7.70 metreye düşerek \%43.67 oranında azaltılmıştır.