Bağımsız Hareketli Hava Araçları İçin Konumlandırma Sistem Tasarımı
Tez Türü: Doktora
Tezin Yürütüldüğü Kurum: Pamukkale Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği, Türkiye
Tez Danışmanı: Prof. Dr. Ceyhun Karpuz ; Doç. Dr. Ahmet Çağdaş Seçkin
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Desteklendiği Program: Diğer
Özet:
İnsansız hava araçlarının ve özellikle dronların hava içerisinde stabil hareket etmelerine yönelik bilim insanlarının yoğun çalışmaları, bu sorunun büyük oranda üstesinden gelinmesini sağlamıştır. Açık ve kapalı alanda GPS’den bağımsız navigasyon sistemleri, günümüz bilim insanlarının üzerinde fazlaca vakit harcadığı bir çalışma alanı haline gelmiştir. Bu çalışmada, AruCo markerlarla görsel odometri kullanan bir hava aracının, anlık topladığı görüntülere dayalı konumlandırmayı yüksek başarım oranıyla yapabildiği gösterilmeye çalışılmıştır. Konumlandırma başarım oranının hesaplanabilmesi için CoppeliaSim simülasyon programında bir simülasyon ortamı hazırlanmıştır. Kapalı alan simülasyonu olarak bir depo alanı tasarlanmıştır. Depo alanının etrafına ve alanın ortasına bir dizi toplamda 27 adet raf yerleştirilmiştir. Simülasyonda toplam 27 rafın her biri 6x6’lık ArUco tipi etiket kullanılarak etiketlenmiştir. ArUco etiketlerinin konumları her rafın sağ üst köşesine yerleştirilmiş ve numaralama saat yönünün tersi yönde yapılmıştır. Simülasyon ortamında hava aracının hareketi esnasında, aracın konum, atalet ölçüm birimleri (Inertial Measurement Units-IMU) ve kamera bilgileri alınmaktadır. Kameradan alınan görüntüden, artırılmış gerçeklik (Augmented Reality-AR) etiketlerinin varlığı tespit edilmiş ve etiket ID’sine göre etiketin var olup olmadığı, etiketin kameradaki piksel cinsinden koordinatları ve etiketin alanı hesaplanmıştır. Bu veriye ek olarak hava aracının pusula bilgisi de alınmaktadır. Hava aracının gerçek konum bilgisi ise makine öğrenmesi tahminlemesinde çıkış değeri olarak kullanılmak üzere alınmaktadır. Her konum verisi için bir regresyon modeli oluşturulmuştur. Regresyon modelleri ile hava aracının kamerasının AR etiketleri gördüğü her yerde anlık konum ve poz tahmini üretilmiş ve hata değeri hesaplanmıştır. Hava aracının konum bilgileri olan x, y, z ve poz bilgisi olan γ açısı regresyon tahminleri ile gerçek değerlerin ilişkisi hakkında bilgi veren R2 performans değerleri hesaplanmıştır. Kullanılan öğrenme algoritmaları için scikit-learn kütüphanesinden faydalanılmış olup varsayılan alt parametreler kullanılmıştır. Uygulanan algoritmalar arasında konumlandırma için en yüksek x değeri tahmininde 0,991 ile AdaBoost, en yüksek y değeri tahmininde 0,976 ile AdaBoost, en yüksek z değeri tahmininde 0,979 ile AdaBoost ve en yüksek Theta değeri tahminin de ise 0,816 değeri ile AdaBoost algoritması vermiştir. Mevcut konumlandırma ve poz tahmininde elde edilen R2 metriğine göre AdaBoost algoritması ile yapılan tahmin sonuçlarının daha yüksek olduğu görülmüştür.