| Tez Türü | Yüksek Lisans |
| Ülke | Türkiye |
| Üniversite | Karabük Üniversitesi |
| Enstitü | Lisansüstü Eğitim Enstitüsü |
| Anabilim Dalı | Bilgisayar Mühendisliği Anabilim Dalı |
| Tez Onay Yılı | 2026 |
| Öğrenci Adı ve Soyadı | Melek ŞENTÜRK |
| Tez Danışmanı | PROF. DR. İSMAİL RAKIP KARAŞ |
| Türkçe Özet | Bu çalışmada, GNSS (Global Navigation Satellite System) sinyallerinin etkisinin azaldığı veya tamamen kaybolduğu kapalı alanlarda konumlandırma problem ele alınmakta ve ORB (Oriented FAST and Rotated BRIEF) özniteliklerini baz alan bir mobil uygulama sunulmaktadır. Sunulan sistem ile mobil kamera kullanılarak elde edilen görüntülerden ORB öznitelikleri çıkarılmakta ve ardından önceden oluşturulmuş referans veri setiyle eşleştirme yapılmaktadır. Söz konusu sistemde üç farklı eşleştirme stratejisi uygulanmıştır: yalnızca ORB eşleştirmesi, homografi tabanlı RANSAC ile geometrik doğrulama gerçekleştirilen ORB + RANSAC yaklaşımı ve buna ek olarak iki yönlü eşleşme doğrulamasının da kullanıldığı ORB + RANSAC + Mutual yaklaşımı. Saha testleri sadece ORB ve ORB + RANSAC yaklaşımları kullanılarak gerçekleştirilmiş ve karşılıklı doğrulama yaklaşımı, hesaplama maliyetini artırması nedeniyle saha testlerine dahil edilmemiştir. Sunulan çalışmada, Karabük Üniversitesi Bilişim Teknolojileri MYO binasından toplanan özgün veri seti kullanılmaktadır. Oluşturulan veri seti (Xiaomi Redmi Note 8, 6 GB RAM ve tripot kullanıldı) genel olarak tekrarlı doku ve benzer yüzeyler içeren koridor alanlarından oluşmakta olup görüntü eşleştirme alanında kullanılan klasik yaklaşımların zorlu şartlar altında sınanmasını mümkün kılmaktadır. Saha testlerinde, aynı cihaz kullanılarak toplam 14 oturum (her yaklaşım için 7 oturum) sonuçları raporlanmaktadır. Konumsal doğruluk, tahmin edilen konumun planlanmış rotaya dik uzaklığı hesaplanarak gerçekleştirilmektedir. Piksel – metre dönüşümü, çalışma alanında ölçülen en dar koridor genişliği (282 cm) ve kapı genişliği (100 cm) referans alınarak ayarlanan 1 m ≈ 11,1 piksel referansı kullanılarak yapılmaktadır. Sadece ORB yaklaşımıyla beraber ortalama konum hatası 40 px (~3,6 m) ve ortalama güncelleme gecikmesi 0,24 s olarak sonuçlanmıştır. ORB + RANSAC yaklaşımında ise ortalama konum hatası 45 px (~4,1 m) ve ortalama güncelleme gecikmesi 0,64 s olarak elde edilmiştir. Mevcut güncelleme gecikmeleri, sınırlı kaynağa sahip cihazlar üzerinde yanlış eşleşmeleri engellemek amacıyla kullanılan oylama adımlarından ve sorgu görüntüsü başına hesaplama süresinden kaynaklanmaktadır. Sonuçlar, benzer yüzeyler içeren ortamlarda geometrik doğrulama yaklaşımının konum doğruluğunu iyileştirmezken hesaplama ve güncelleme gecikmesini belirgin şekilde artırdığını göstermektedir. Bunun yanı sıra sadece ORB yaklaşımının iç mekan konumlandırma takibi için daha tutarlı sonuçlar ürettiği raporlanmaktadır. |
| İlgilizce Özet | In this study addresses the problem of positioning in indoor environments where GNSS (Global Navigation Satellite System) signals are weakened or completely lost, and presents a mobile application based on ORB (Oriented FAST and Rotated BRIEF) features. With the proposed system, ORB features are extracted from images captured using a mobile camera and then matched against a pre-built reference dataset. Three different matching strategies were implemented in this system: ORB matching alone; the ORB + RANSAC approach, which uses homography-based RANSAC for geometric verification; and the ORB + RANSAC + Mutual approach, which additionally employs bidirectional match verification. Field tests were conducted using only the ORB and ORB + RANSAC approaches; the cross-validation approach was not included in the field tests because it increases computational cost. The present study utilizes an original dataset collected from the Karabük University School of Information Technologies Vocational School building. The dataset (collected using a Xiaomi Redmi Note 8 with 6 GB of RAM and a tripod) consists primarily of corridor areas containing repetitive textures and similar surfaces, enabling the testing of classical approaches in the field of image matching under challenging conditions.The results of a total of 14 sessions (7 sessions for each approach) conducted using the same device are reported in the field tests. Positional accuracy is determined by calculating the distance of the estimated position from the planned route. The pixel-to-meter conversion is performed using a reference of 1 m ≈ 11.1 pixels, which was established based on the narrowest corridor width (282 cm) and door width (100 cm) measured in the workspace. When using only the ORB approach, the average position error was 40 px (~3.6 m) and the average update delay was 0.24 s. In the ORB + RANSAC approach, the average position error was 45 px (~4.1 m) and the average update latency was 0.64 s. The observed update latencies stem from the voting steps—used to prevent mismatches on devices with limited resources—and the computation time per query frame. The results show that, in environments containing similar surfaces, the geometric verification approach does not improve position accuracy but significantly increases computation and update latency. Furthermore, it is reported that the ORB approach alone produces more consistent results for indoor position tracking. |