Dersin Adı | Otonom Araç Tasarımı İlkeleri |
Kodu | Yarıyıl | Teori (saat/hafta) | Uygulama/Lab (saat/hafta) | Yerel Kredi | AKTS |
---|---|---|---|---|---|
EEE 527 | Güz/Bahar | 3 | 0 | 3 | 7.5 |
Ön-Koşul(lar) | Yok | |||||
Dersin Dili | İngilizce | |||||
Dersin Türü | Seçmeli | |||||
Dersin Düzeyi | Yüksek Lisans | |||||
Dersin Veriliş Şekli | - | |||||
Dersin Öğretim Yöntem ve Teknikleri | ||||||
Dersin Koordinatörü | ||||||
Öğretim Eleman(lar)ı | ||||||
Yardımcı(ları) | - |
Dersin Amacı | Bu ders, otonom araçların nasıl çalıştığına ilişkin kavramları tanıtmak ve aşağıdaki konulardaki güncel teknolojileri öğretmektir: Konum ve yön belirleme, sensör füzyonu, haritalama, SLAM, engellerden sakınma, yol şeritlerini ve trafik işaretlerini tanıma, trafik tahmini, yol seviyesi yönlendirme, güvenilirlik ve emniyet. |
Öğrenme Çıktıları | Bu dersi başarıyla tamamlayabilen öğrenciler;
|
Ders Tanımı | Bu derste, otonom aracın konumlanması, nesne tanıma, yol izleme, sensör füzyonu, haritalama, engellerden sakınma konuları anlatılacak ve Robot İşletim Sistemi (ROS) ortamında: makine öğrenmesi, bilgisayarla görme ve evrişimli sinir ağları (CNN) yöntemleri ile Python tabanlı tanıma, sınıflandırma ve denetim teknikleri öğretilecektir. |
Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları | |
| Temel Ders | |
Uzmanlık/Alan Dersleri | ||
Destek Dersleri | ||
İletişim ve Yönetim Becerileri Dersleri | ||
Aktarılabilir Beceri Dersleri |
Hafta | Konular | Ön Hazırlık |
1 | Otonom araçlara giriş, algılama, nesne tanıma ve yol izleme, ROS, Derin Öğrenme | Shaoshan Liu et. al, “Creating Autonomous Vehicle Systems”, 2018, Chap1 |
2 | GNSS, UWB, RFID ve LIDAR Kullanımı ile Konumlama ve Haritalama | Shaoshan Liu et. al, “Creating Autonomous Vehicle Systems”, 2018, Chap2 |
3 | Görsel Odometre, tekerlek enkoderleri, sensör füzyonu, odometre hatalarının azaltılması | Shaoshan Liu et. al, “Creating Autonomous Vehicle Systems”, 2018, Chap2 |
4 | Otonom Sürüşte Algılama, Tesbit, Bölütleme, Optik akış | Shaoshan Liu et. al, “Creating Autonomous Vehicle Systems”, 2018, Chap3 |
5 | Otonom Sürüşte Derin Öğrenme, Algılama, Sınıflandırma, Evrişimli Sinir Ağları | Shaoshan Liu et. al, “Creating Autonomous Vehicle Systems”, 2018, Chap4 |
6 | Yapay Sinir Ağları ve Makine Öğrenmesi ile Algılama ve Sınıflandırma | Shaoshan Liu et. al, “Creating Autonomous Vehicle Systems”, 2018, Chap4 |
7 | OpenCV, Tensor Flow, Keras, Scipy ve Numpy Kullanımı ile, Python Tabanlı Algılama ve Sınıflandırma | https://www.udemy.com/autonomous-cars-deep-learning-and-computer-vision-in-python/learn |
8 | OpenCV, Tensor Flow, Keras, Scipy ve Numpy Kullanımı ile, Python Tabanlı Algılama ve Sınıflandırma | https://www.udemy.com/autonomous-cars-deep-learning-and-computer-vision-in-python/learn |
9 | Tahmin ve Yönlendirme, Trafik Tahmini, Yol Seviyesi Yönlendirmesi | Shaoshan Liu et. al, “Creating Autonomous Vehicle Systems”, 2018, Chap5 |
10 | Robot İşlerim Sistemi, Mikrobilgisayarın sensörlerle iletişimi ve eyleyicilerin denetimi | Shaoshan Liu et. al, “Creating Autonomous Vehicle Systems”, 2018, Chap6 |
11 | Robot İşlerim Sistemi, Sistem Güvenilirliği, Kaynak Yönetimi ve Emniyet | Shaoshan Liu et. al, “Creating Autonomous Vehicle Systems”, 2018, Chap8 |
12 | Turtlebot3 üzerinde, LIDAR, UWB, RFID ve Utltrasonik Sensör ve Görüntü İşleme kullanarak Proje Çalışması | Mekatronik Lab’da mevcut TurtleBot3 Burger |
13 | Turtlebot3 üzerinde, LIDAR, UWB, RFID ve Utltrasonik Sensör ve Görüntü İşleme kullanarak Proje Çalışması | Mekatronik Lab’da mevcut TurtleBot3 Burger |
14 | Proje Sunumları | |
15 | Dersin gözden geçirilmesi | |
16 | Final Sınavı |
Ders Kitabı | 1. Creating Autonomous Vehicle Systems, Shaoshan Liu, Liyun Li, Jie Tang, Shuang Wu, Jean-Luc Gaudiot, Morgan & Claypool Publishers, 2017 |
Önerilen Okumalar/Materyaller | 1. Markus Maurer · J. Christian Gerdes Barbara Lenz · Hermann Winner, Autonomous Driving, Springer open, 2016 |
Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
Katılım | ||
Laboratuvar / Uygulama | ||
Arazi Çalışması | ||
Küçük Sınav / Stüdyo Kritiği | ||
Portfolyo | ||
Ödev | ||
Sunum / Jüri Önünde Sunum | ||
Proje | 1 | 45 |
Seminer/Çalıştay | ||
Sözlü Sınav | ||
Ara Sınav | 1 | 25 |
Final Sınavı | 1 | 30 |
Toplam |
Yarıyıl İçi Aktivitelerin Başarı Notuna Katkısı | 2 | 70 |
Yarıyıl Sonu Aktivitelerin Başarı Notuna Katkısı | 1 | 30 |
Toplam |
Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
---|---|---|---|
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) | 16 | 3 | 48 |
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) | 16 | 5 | |
Sınıf Dışı Ders Çalışması | 0 | ||
Arazi Çalışması | |||
Küçük Sınav / Stüdyo Kritiği | |||
Portfolyo | |||
Ödev | |||
Sunum / Jüri Önünde Sunum | |||
Proje | 1 | 50 | |
Seminer/Çalıştay | |||
Sözlü Sınav | |||
Ara Sınavlar | 1 | 22 | |
Final Sınavı | 1 | 25 | |
Toplam | 225 |
# | Program Yeterlilikleri / Çıktıları | * Katkı Düzeyi | ||||
1 | 2 | 3 | 4 | 5 | ||
1 | Elektrik ve Elektronik Mühendisliği alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | |||||
2 | Elektrik ve Elektronik Mühendisliği alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir. | |||||
3 | Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular, değişik disiplinlere ait bilgileri bir arada kullanabilir. | |||||
4 | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır, ihtiyaç duyduğunda bunları inceler ve öğrenir. | |||||
5 | Elektrik ve Elektronik Mühendisliği alanı ile ilgili problemleri tanımlar ve formüle eder, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. | |||||
6 | Yeni ve/veya özgün fikir ve yöntemler geliştirir, karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler geliştirir. | |||||
7 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler. | |||||
8 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda çözüm yaklaşımları geliştirebilir, bağımsız çalışabilir ve sorumluluk alır.
| |||||
9 | Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar. | |||||
10 | Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. | |||||
11 | Elektrik ve Elektronik Mühendisliği uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların elektrik ve elektronik mühendisliği uygulamalarına getirdiği kısıtların farkındadır. | |||||
12 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. |
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest