Tez No	İndirme	Tez Künye	Durumu
416459		Vision-based detection and distance estimation of micro unmanned aerial vehicles / Mikro insansız hava araçlarının bilgisayarlı görme tabanlı algılanması ve mesafe kestirimi Yazar:FATİH GÖKÇE Danışman: PROF. DR. GÖKTÜRK ÜÇOLUK Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2015 119 s.
Bu tezde, mikro insansız hava araçlarının (mİHA) görsel olarak algılanması ve mesafe kestirimi üzerinde çalıştık. Bu problem, korunması gereken alanlara izinsiz giren mUAV lerin algılanması, mİHA lar veya diğer hava araçlarının algılama ve kaçınma sistemleri ve çoklu mİHA kontrol senaryoları için önemlidir. Şu nedenler bu problemi zorlaştırmaktadır: (i) Gerçek zamanlı bir çözüm gerekmektedir. mİHA ların taşıyabilecekleriyle kısıtlı donanımlar düşünüldüğünde bu oldukça zordur. (ii) mİHA ların konveks olmayan yapıları sebebiyle, mİHA ları içine alan görüntü penceresinde, değişik arka plan görüntüleri de bulunur. (iii) Arka plan görüntüleri karmaşıktır ve hareketli nesne içerebilir. (iv) mİHA ların eğilmeleri ve dönmeleri görünümlerini değiştirir. (v) Kamera sabit değilse, hareket bulanıklığı bir problemdir. (vi) Aydınlatma yönündeki ve parlaklıktaki değişiklikler, görüntülerde büyük farklılıklara sebep olur. Diğer yöntemler, ortam ve mesafeyi sınırlandırdığı için, problemimizin çözümünde görsel verilerin kullanımını değerlendirdik. Bu amaçla, HAAR benzeri öznitelikler, lokal ikili örüntü (LBP) ve yönlü gradyan histogramları (HOG) yöntemlerini kademeli sınıflandırıcılarla test ettik. Sistemimize aynı zamanda, mesafe kestirimi için destek vektör regresörü tabanlı bir yöntemi ekledik. Herbir yöntemi, iç ve dış ortamlarda sistematik şekilde topladığımız görüntülerle ve hareket bulanıklığı içeren görüntülerle test ettik. Testlerimiz, kademeli sınıflandırıcıların LBP ile kullanımıyla gerçek zamanlı çalışmaya yakın hızda (iç ortam:60 ms@1032x778, dış ortam:150 ms@1280x720) ve yüksek hassasiyette (0.96 F-ölçütü) algılama ve mesafe kestiriminin mümkün olduğunu göstermektedir. HAAR benzeri özniteliklerin kullanımı, mİHA ların görüntü içerisinde bulunduğu alanı daha hassas şekilde konumlandırdığı için, daha iyi mesafe kestirimi sağlamaktadır. Zaman analizlerimiz HOG yönteminin öğrenme ve çalışma zamanları açısından diğer algoritmalardan daha hızlı çalıştığını göstermektedir.
In this thesis, we study visual detection and distance estimation of Micro Unmanned Aerial Vehicles (mUAVs), a crucial problem for (i) intrusion detection of mUAVs in protected environments, (ii) sense and avoid purposes on mUAVs or on other aerial vehicles and (iii) multi-mUAV control scenarios such as environmental monitoring, surveillance and exploration. The problem is challenging since (i) a real-time solution is required, a burden when computational power is limited by the hardware carried by an mUAV, (ii) non-convex structure of the mUAVs causes the bounding box of mUAVs to include very different background patterns, (iii) background patterns from indoor or outdoor are very complex with different characteristics and can include moving objects, (iv) mUAVs tilt and rotate unavoidably resulting in very large changes in their appearances, (v) when the camera is not stationary, motion blur is a problem, and (vi) illumination direction and brightness changes cause different images. We evaluate vision algorithms for this problem, since other sensing modalities limit the environment or the distance between the mUAVs. We test Haar-like features, Local Binary Patterns (LBP) and Histogram of Gradients (HOG) using boosted cascaded classifiers. We also integrate a distance estimation method utilizing geometric cues with Support Vector Regressors. We evaluated each method on indoor and outdoor videos collected systematically and on videos with motion blur. Our experiments show that, using boosted cascaded classifiers with LBP, near real-time detection and distance estimation of mUAVs are possible in about 60 ms indoors (1032x778 resolution) and 150 ms outdoors (1280x720 resolution) per frame, with a detection rate of 0.96 F-Score. However, classifiers of Haar-like features lead to better distance estimation since they position the bounding boxes on mUAVs more accurately. Our time analysis yields that classifiers of HOG train and run faster than the other algorithms.