Otonom Araçlarda Düşük Işıkta Gerçek Zamanlı Görüntü İyileştirme Uygulaması

Yükseköğretim Kurumları Destekli Proje, BAP Y.Lisans, 2026 - 2027

Proje Türü: Yükseköğretim Kurumları Destekli Proje
Destek Programı: BAP Y.Lisans
Başlama Tarihi: Haziran 2026
Bitiş Tarihi: Haziran 2027

Proje Özeti

Projenin Kapsamı: Otonom araçlarda çevresel algılamayı zorlaştıran düşük aydınlatma koşullarına yönelik görüntü iyileştirme algoritmalarının işlem gecikmesi (latency) analizleriyle sınırlandırılmıştır. Çalışma dahilinde, belirlenen algoritmaların farklı aydınlatma şiddetlerine sahip senaryolar altındaki gerçek zamanlı performansları test edilecektir. Test edilecek yazılım sınırları; algoritmaların hem geleneksel saf Python ortamındaki hem de işlem yükünü optimize eden hibrit (C++ ve Python) mimarideki çalışma sürelerinin ölçülmesini içermektedir. Araştırma, yeni bir algoritma geliştirmekten ziyade, mevcut iyileştirme algoritmalarının söz konusu iki farklı mimari üzerindeki milisaniye bazlı gecikme maliyetlerinin hesaplanmasını ve bu sürelerin karşılaştırmalı olarak analiz edilmesini kapsamaktadır.

Yöntem: Bu çalışma kapsamında kullanılacak yöntemler; literatür taraması, yazılım mimarilerinin tasarımı ve farklı aydınlatma şiddetlerinde performans testleri olmak üzere üç temel aşamadan oluşmaktadır. Literatür taraması, akademik çalışmalardaki bilgi birikiminin analiz edilmesini sağlayarak araştırmanın teorik temelini oluşturacaktır. Yazılım mimarilerinin tasarımı, sistemin performans değerlendirmesi için kritik bir aşama olup; görüntü iyileştirme algoritmalarının referans değeri oluşturmak için saf Python ile kodlanması ve hesaplama darboğazlarını çözmek amacıyla C++ entegrasyonuyla hibrit mimariye dönüştürülmesi gibi yapısal adımları içermektedir. En sonda ise performans testleri, algoritmaların otonom araç donanımı üzerindeki işlem gecikmelerini (latency) ölçmek amacıyla gerçekleştirilecek olup; hibrit mimarinin saf Python mimarisine kıyasla gerçek zamanlı çalışabilme etkinliğini doğrulamak ve optimize etmek için uygulanacaktır.

Özgün Değer: otonom araçlarda çevresel algılamanın en kritik engellerinden biri olan düşük aydınlatma koşullarındaki görüntü iyileştirme süreçlerini, salt bir görsel kalite problemi olmaktan çıkarıp "gerçek zamanlı bir mühendislik ve mimari optimizasyon" problemine dönüştürmesidir. Literatürdeki mevcut çalışmalar incelendiğinde, düşük ışık iyileştirme algoritmalarının büyük çoğunluğunun prototipleme kolaylığı ve kütüphane zenginliği nedeniyle saf Python mimarisi ile geliştirilip test edildiği görülmektedir. Ancak bu geleneksel yaklaşım, saniyede onlarca kareyi (FPS) anlık olarak işleyip milisaniyeler içinde hayati kararlar alması gereken otonom araç donanımları için ciddi bir işlem gecikmesi (latency) darboğazı yaratmakta ve gerçek dünya senaryolarında uygulanabilirliği düşürmektedir.

Bu çalışma, literatürde çoğunlukla göz ardı edilen bu sistemsel gecikme sorununa somut, ölçülebilir ve yenilikçi bir çözüm getirmektedir. Projenin literatüre sunacağı temel katkı; algoritmaların hesaplama yükü ağır olan matematiksel kısımlarının C++ ile derlenip, genel sistem entegrasyonunun Python ile yönetildiği yüksek performanslı "hibrit bir yazılım mimarisi" önermesidir.

Otonom araçlarda düşük ışıkta gerçek zamanlı görüntü iyileştirme uygulaması bağlamında, bu hibrit mimarinin henüz yaygın olarak kullanılmamasının getirdiği sistemsel eksiklikler bu tez ile giderilecektir. Araştırmayı benzerlerinden ayıran en büyük özellik, yeni bir görüntü iyileştirme filtresi bulmaktan ziyade; aynı algoritmanın saf Python ve hibrit mimari üzerindeki gecikme sürelerini otonom araç donanımı üzerinde karşılaştırmalı olarak test etmesidir. Elde edilecek nicel verilerle, hibrit mimarinin saf Python mimarisine kıyasla sağladığı milisaniye bazlı performans artışının kanıtlanması, bu tezi kendi alanında özgün ve endüstriyel olarak doğrudan uygulanabilir kılmaktadır.

Beklenen Sonuçlar:

Bu tez çalışmasının başarıyla tamamlanması sonucunda elde edilmesi öngörülen temel bulgular ve çıktılar aşağıda sıralanmıştır:

• Gecikme (Latency) Optimizasyonunun Kanıtlanması: Düşük aydınlatma koşullarında çalışan görüntü iyileştirme algoritmalarının, saf Python mimarisine kıyasla hibrit (C++ ve Python) mimari üzerinde çalıştırıldığında işlem süresini (milisaniye bazında) belirgin ve ölçülebilir düzeyde düşürmesi beklenmektedir.

• Gerçek Zamanlı Çalışabilirliğin Sağlanması: Saf Python mimarisinin otonom araçlar için yetersiz kaldığı yüksek kare hızı (FPS) gereksinimlerine, işlem yükünü C++ ile optimize eden hibrit mimari sayesinde ulaşılarak algoritmaların "gerçek zamanlı" (real-time) uygulanabilirliğinin doğrulanması öngörülmektedir.

• Kapsamlı Performans Analizi Veri Seti: Farklı aydınlatma şiddetlerinin (lüks değerlerinin) algoritmaların çalışma sürelerine olan etkisinin sayısal olarak haritalandırılması ve literatürdeki araştırmacılar için referans niteliğinde bir performans veri setinin/raporunun ortaya konulması hedeflenmektedir.

• Donanım Verimliliğinin Artırılması: Otonom araçlarda yaygın olarak kullanılan sınırlı kaynaklara sahip uç bilişim (edge computing) donanımları üzerinde, hibrit mimarinin kaynakları (CPU/RAM) çok daha verimli kullandığının istatistiksel olarak gösterilmesi beklenmektedir.