Robotik & NavigasyonÖne Çıkan Çalışma
TUSMEC Otonom Mobil Robot — Yapay Zekâ Sınıflandırma & Navigasyon
TUSMEC Gönüllü Aday Mühendislik sürecinde ROS, Gazebo ve RVIZ simülasyon ortamlarında gerçekleştirilen yapay zekâ destekli otonom robot projesi. YOLO nesne sınıflandırma modelini robot kamera akışına bağlayarak RRT* kinematik yol planlaması ile birleştirir.
Çözülen Problem
Gazebo 3D ortamındaki otonom mobil robotun kamera akışındaki nesneleri YOLO ile sınıflandırması ve RRT* algoritmasıyla engellerden kaçarak hedefe ulaşması.
Projedeki Rolüm & Sorumluluğum
Yapay Zekâ & Otonom Navigasyon Geliştiricisi (YOLO Nesne Sınıflandırma Entegrasyonu & ROS RRT* Düğümleri)
Teknik Ekran Görüntüsü / Sistem Mimarısıproject-2
Yapay Zekâ Modeli
YOLO Sınıflandırıcı
Yol Planlayıcı
RRT* Algoritması
Simülasyon
ROS / Gazebo / RVIZ
Karşılaşılan Mühendislik Zorlukları
- Gazebo 3D simülasyon ortamında robot kinematiğini ve sensörleri doğru modelleme
- RRT* yol planlama algoritmasında engel kontrolü hesaplama maliyetini düşürme
Çözüm Yaklaşımı & Uygulama
- Gazebo simülasyon ortamında mobil robot modeli oluşturularak RVIZ üzerinde görselleştirildi.
- C++ dilinde yazılan RRT* yol planlama düğümü ROS haberleşme yapısına bağlandı.
- YOLO derin öğrenme modeli ile kamera görüntülerindeki hedefler sınıflandırıldı.
Sistem Mimarisi Öne Çıkanları
- YOLO derin öğrenme modeli ile kamera görüntülerindeki hedeflerin sınıflandırılması
- Gazebo 3D simülasyon ve RVIZ görselleştirme ortamı
- LIDAR verileriyle 2D SLAM haritalama denemeleri
Kullanılan Teknolojiler
Yapay ZekâYOLOROSGazeboRRT*SLAMRVIZPython