TR
EN
ZH
KO
JA
RU
DE
FR
ES
PT
IT
VI
AR
Otonom araçlarda bilgisayarlı görünün, güvenliği ve genel sürüş deneyimini iyileştirerek gerçek zamanlı algılama ve karar almayı nasıl sağladığını keşfedin.
YOLO Vision 2025'i kaçırmayın!
25 Eylül 2025
10:00 — 18:00 BST
Hibrit etkinlik
Otonom araçlarda bilgisayarlı görünün, güvenliği ve genel sürüş deneyimini iyileştirerek gerçek zamanlı algılama ve karar almayı nasıl sağladığını keşfedin.
Otonom sürüş yapan arabalar artık sadece fütüristik bir fikir değil; otonom sürüş için yapay zeka (AI) alanındaki gelişmelerle gerçeğe dönüşüyorlar. Bu araçlar, çevrelerindeki dünyayı anlamak ve yorumlamak için özellikle bilgisayarlı görü olmak üzere gelişmiş yapay zeka sistemlerine büyük ölçüde bağımlıdır. Bu teknoloji, nesneleri tanımlamalarını, trafik işaretlerini tanımalarını ve karmaşık ortamlarda gerçek zamanlı olarak güvenli bir şekilde gezinmelerini sağlar.
Küresel otonom araba pazarının 2021'de 27 milyar ABD dolarının üzerinde değerlenmesi ve 2026'ya kadar yaklaşık 62 milyara ulaşması beklenmesiyle, otonom sürüş için yapay zekanın ulaşımın geleceğini şekillendirdiği açıktır. Bu makalede, bilgisayarlı görünün otonom sürüş yapan arabalarda nasıl uygulandığına daha yakından bakacak, yaya tespiti, trafik işareti tanıma ve şerit takip sistemleri gibi temel uygulamaları ele alacak ve bu yeniliklerin sürüşün geleceğini nasıl dönüştürdüğünü göstereceğiz.
Yapay zeka, otonom sürüş yapan arabaların çevrelerini anlamalarına ve gerçek zamanlı kararlar almalarına büyük ölçüde yardımcı olabilir. Yapay zekanın birçok uygulaması arasında, otonom sürüşün güvenilirliğini artıran iki temel unsur olan yaya tespiti ve trafik işareti tanımaya nasıl yardımcı olduğunu keşfedelim.
Sürüş, direksiyon başındayken etrafınızda olup bitenlere sürekli konsantre olmayı ve farkında olmayı gerektirir. Otonom sürüşlü araçlardaki yapay zeka, otomobillerimizin günlük kullanımının sayısız yönüne yardımcı olabilir. Örneğin, yapay zeka yayaları tespit ederek ve hareketlerini tahmin ederek onların güvenliğini sağlamada önemli bir rol oynayabilir. "Otonom Sürüşlü Araçlarda Yaya Algılama Çalışması"na göre, bu süreç otomobilin etrafına yerleştirilmiş, yollar, kaldırımlar ve yaya geçitleri de dahil olmak üzere çevrenin tam görünümünü yakalayan kameralarıyla başlar. Bu kameralar sürekli olarak görsel veri alır ve bu da otomobilin yoğun veya zorlu durumlarda bile yayaları "görmesine" yardımcı olur.
Toplanan görsel veriler daha sonra Ultralytics YOLOv8 gibi bilgisayarlı görü modelleri kullanılarak işlenebilir. Bunu yapmak için ilk adım, görüntü içindeki yayalar, araçlar ve trafik işaretleri gibi potansiyel nesnelerin konumunu belirlemeyi içeren nesne tespiti kullanmaktır. Tespit edildikten sonra, yapay zeka modeli bir sonraki adım olan sınıflandırmaya geçer; bu, tespit edilen her nesnenin gerçekte ne olduğunu belirlemektir. Modeller, çeşitli pozlarda, ışıklandırma koşullarında ve ortamlarda, kısmen gizlenmiş veya hareket halinde olsalar bile yayaları tanımalarını sağlayan geniş veri kümeleri üzerinde eğitilir.
Bazı bilgisayarlı görü modelleri tespit ve sınıflandırmada başarılı olurken, diğerleri tespit edilen yayaların hareketini tahmin etmek gibi görevlere odaklanır. Bu sistemlerde, bir nesne yaya olarak sınıflandırıldıktan sonra, yapay zeka modeli bir adım daha ileri giderek bir sonraki hareketini tahmin eder. Örneğin, biri bir yaya geçidinin kenarında duruyorsa, araba yola adım atıp atmayacağını tahmin edebilir. Bu tahmin yeteneği, aracın potansiyel bir tehlikeyi önlemek için yavaşlayarak, durarak veya yön değiştirerek gerçek zamanlı olarak tepki vermesi için çok önemlidir. Bu kararları daha da akıllı hale getirmek için, yapay zeka sistemleri kameralardan gelen görsel verileri LIDAR gibi diğer sensörlerden gelen girdilerle birleştirerek arabaya çevresini daha eksiksiz bir şekilde anlama imkanı verebilir.
Trafik işareti tanıma (TSR), otonom sürüşlü araçların bir diğer önemli parçasıdır. Aracın dur işaretleri, hız sınırları ve yönler gibi yol işaretlerini gerçek zamanlı olarak tanımasına ve bunlara yanıt vermesine yardımcı olur. Bu, aracın trafik kurallarına uymasını, kazaları önlemesini ve yolcuların sorunsuz ve güvenli bir sürüşün keyfini çıkarmasını sağlar.
TSR'nin temelinde, işaretleri tanımlamak için otomobilin kameralarını kullanan derin öğrenme algoritmaları bulunur. Bu sistemlerin yağmur, düşük ışık veya işaretin bir açıdan görüldüğü gibi farklı koşullarda çalışması gerekir. Daha eski yöntemler, işaretlerin şeklini ve rengini analiz etmek gibi tekniklere dayanır, ancak kötü hava koşulları gibi karmaşık durumlarda genellikle başarısız olabilirler.
"Çok Sınıflı Trafik İşareti Tespiti için YOLOv8 Tabanlı Bir Yaklaşım" başlıklı araştırma makalesinde, yazarlar trafik işaretlerinin bulunduğu görüntü alanlarını belirlemek için YOLOv8 modelini kullanmayı anlatıyorlar. Model, trafik işaretlerinin farklı açılar, aydınlatma ve mesafeler gibi çeşitli koşullar altındaki görüntülerini içeren bir veri kümesi üzerinde eğitildi. YOLOv8 modeli trafik işaretlerini içeren bölgeleri tespit ettikten sonra, bunları doğru bir şekilde sınıflandırarak %80,64'lük etkileyici bir hassasiyet elde eder. Bu yetenekler, otonom araçların önemli trafik işaretlerini gerçek zamanlı olarak tanımlayarak yol koşullarını anlamalarına yardımcı olabilir ve potansiyel olarak daha güvenli sürüş kararlarına katkıda bulunabilir.
Yapay zeka, otonom sürüşlü araçların çalışma şeklini giderek değiştirerek onları daha güvenli ve daha verimli hale getiriyor. Akıllı algoritmalar ve verileri hızlı bir şekilde işleme yeteneği sayesinde, bu arabalar tehlikeleri tespit edebilir, daha iyi sürüş kararları alabilir ve hatta çevre üzerindeki etkilerini azaltabilir. İşte yapay zekanın otonom sürüşlü araçlara getirdiği başlıca faydalardan bazıları.
Yapay zeka, tehlikelerin gerçek zamanlı olarak tespit edilmesini ve bunlara yanıt verilmesini sağlayarak otonom sürüşlü araçlarda güvenliği artırabilir. Ulusal Karayolu Trafik Güvenliği İdaresi'nin (NHTSA) bir raporuna göre, ciddi kazaların %94'ü insan hatasından kaynaklanmaktadır. Yapay zeka, insan sürücülerden daha hızlı tepki vererek bu tür olayları azaltma potansiyeline sahiptir ve otonom sistemler daha da geliştikçe kaza oranlarını potansiyel olarak %90 oranında düşürebilir.
Otonom araç nesne tespitinde yapay zeka yalnızca güvenliğe yardımcı olmakla kalmaz, aynı zamanda trafik akışını da iyileştirir. Yapay zeka kullanan bu araçlar, hızlarını ayarlayabilir, optimum mesafeyi koruyabilir ve ani fren veya hızlanma ihtiyacını azaltabilir; bunların tümü trafik sıkışıklığını en aza indirmeye yardımcı olur. Yapay zeka algoritmaları ayrıca, otomobillerin en verimli rotaları izlemesini, gereksiz duraklamalardan kaçınmasını ve yakıt tüketimini insan sürücülerden daha iyi yönetmesini sağlayarak yakıt verimliliğini optimize eder. Sonuç olarak, yapay zeka yalnızca sürüş deneyimini iyileştirmekle kalmaz, aynı zamanda emisyonları ve yakıt maliyetlerini azaltmaya da katkıda bulunur.
Otonom sürüşlü araçların geleceği, çevreden veya durumdan bağımsız olarak insan müdahalesine gerek kalmadan tamamen otonom sürüş anlamına gelen Seviye 5 otonomluğa ulaşmak etrafında dönüyor. Teknolojinin nereye gittiğini anlamak için, Otomotiv Mühendisleri Topluluğu (SAE) tarafından tanımlanan otonom sürüşün beş seviyesini ayrıntılı olarak incelemek önemlidir:
Şu anda, ticari olarak satılan araçların çoğu, otomobilin direksiyon ve hız kontrolüne yardımcı olabildiği ancak yine de sürücünün meşgul kalmasını gerektirdiği Seviye 2 otonomisinde çalışmaktadır. Mercedes-Benz, belirli koşullar altında sürücülerin ellerini direksiyondan, gözlerini yoldan ayırmasına ve çevrelerini izlemesine olanak tanıyan Seviye 3 otonomisine ulaşan ilk şirketlerden biridir.
Ancak, araçların yoğun şehir merkezlerinden uzak kırsal yollara kadar tüm arazilerde haritalar veya insan müdahalesi olmadan gezinebildiği Seviye 5 otonomisine ulaşmak önemli zorluklar teşkil etmektedir. Bu zorluklar arasında, öngörülemeyen ortamlarda gerçek zamanlı kararlar alabilen, karmaşık hava koşullarını yönetebilen ve tüm sürüş senaryolarında güvenliği sağlayabilen gelişmiş yapay zeka geliştirmek yer almaktadır.
Yapay zeka, sürücüsüz otomobilleri daha da gerçek kılmanın anahtarıdır. Bu araçların nesneleri algılamasına, trafik işaretlerini tanımasına, şeritlerinde kalmasına ve YOLOv8 gibi bilgisayarlı görü modelleriyle trafik yönetimine yardımcı olmasına ve park yönetimi optimizasyonu sağlayarak sürüşü daha güvenli ve sorunsuz hale getirmesine yardımcı olur. YOLO ve CNN gibi teknolojiler, otomobillerin yolda akıllı kararlar almasını sağlıyor. Şu anda, çoğu sürücüsüz otomobil, sürüşe yardımcı oldukları ancak yine de insan dikkatine ihtiyaç duydukları Seviye 2'de çalışıyor ve sınırlı eller serbest sürüşe izin veren Seviye 3 otonomi test ediliyor.
Önümüzdeki en büyük zorluk, otomobillerin insan yardımı olmadan her koşulda kendi başlarına gidebildiği Seviye 5 otonomiye ulaşmaktır. Bu, beklenmedik olayların üstesinden gelmek ve her durumda gerçek zamanlı kararlar alabilen sistemler oluşturmak için daha fazla çalışma gerektirecektir. Yapay zeka geliştikçe, tamamen sürücüsüz otomobiller daha da yaklaşıyor ve daha güvenli yollar ve daha konforlu bir sürüş deneyimi vaat ediyor.
Yapay zekayı merak ediyor musunuz? Çığır açan projelere dalmak ve büyüyen topluluğumuzla bağlantı kurmak için GitHub depomuzu keşfedin. Sağlık alanındaki atılımlardan sürücüsüz alandaki yeniliklere kadar, yapay zekanın geleceğine yön veriyoruz!
.webp)