Kapalı ortamlarda yerelleştirme ve haritalama için sensör füzyonu

İnsansız hava araçlarının kullanım alanları ve popülaritesi gün geçtikçe artmaktadır. Özellikle askeri alanlarda olmak üzere sivil kullanım alanları fazladır. Film yapım endüstrisi başta olmak üzere, hobi endüstrisinde de kullanımı fazladır. Önceleri yer istasyonu ve kumanda yardımıyla kontrol edilen bu araçlar son zamanlarda işlemcilerin yeterince küçülmesi ve işlem kabiliyetlerinin artması ile birlikte otonom olarak kontrol edilmeye başlanmıştır. İnsansız hava araçlarının işlem gücünün artması ve görüntü işleme metotları ile kamera bir sensör haline gelmiştir. Görüntü işleme yöntemleri sayesinde insansız hava araçları bir çok işlemi gerçekleştirebilmekedir. Bunlardan bazıları, yüz tanıma, nesne takip edebilme ve yerelleştirme ve harita oluşturmadır. Bu çalışmada insansız hava aracı, quadcopter olarak seçilmiştir. Seçilen quadcopter platformu dört rotorlu olarak tasarlanmış ve üretilmiştir. Quadcopterin hazır alınmayıp kendi tasarımımızı üretmenin amacı, kullanıcının tamamen müdahale edebileceği açık kaynak kodlu bileşenlerden oluşan bir quadcopter üretmektir. Buna ek olarak piyasadaki benzerlerinden daha yüksek işlem gücüne sahip bir gömülü bilgisayar kullanılmıştır. Kullanılan gömülü bilgisayar gelecekte yapılacak olan deneysel çalışmalarda ihtiyaç duyulacak algoritmaları destekleyebilecek bir bilgisayardır. Hava aracının tüm parçaları, istenilen donanımı taşıyabilecek şekilde şeçilmiştir. Bu parçalar daha sonra birleştirilerek quadcopter son haline getirilmiştir. Mekanik parçalarda hafifliği sağlayabilmek amacıyla kompozit malzemeler kullanılmıştır. Parçaların yerleşimleri yapılırken modulerlik ön planda tutulmuş ve parçaların çoğunun değişimi diğer parçalar sökülmeden yapılabilmektedir. Hava aracının kontrolünde uçuş kontrol kartı olarak elde mevcut olan Naza M2 hazır uçuş kontrol kartı kullanılmıştır. Daha sonraki çalışmalarda açık kaynak kodlu bir uçuş kontrolcüsü olan Pixhawk kontrolcüsüne geçiş yapmak amaçlanmaktadır. Quadcopterin kontrol edilip edilemediğini kontrol etmek ve gerekli PID katsayılarını bulmak için bir deney düzeneği tasarlanmış ve quadcopter yarı otonom olarak top takip algoritması ile başarılı bir şekilde kontrol edilmiştir. Quadcopterin görüntü işleme algoritmalarıyla daha önceden bilmediği bir ortamda yerelleştirme, konumunu bulma ve ortamın haritasını çıkartması için ORBSLAM (Oriented fast and rotated brief simultaneous localization and mapping) algoritmasının kullanılması uygun bulunmuştur. ORBSLAM algoritması gerçek zamanlı olarak hızlı çalışabilen bir SLAM (Simultaneous localization and mapping) algoritmasıdır. Bu algoritma direk olarak gömülü sistem üzerinde çalışabilmektedir. Bu sayede herhangi bir yer istasyonuna ihtiyaç olmadan quadcopter üzerindeki gömülü sisteme entegre edilmiştir. Hava aracı için gerekli olan görüntü yüksek hızda çalışabien kamera ile sağlanmıştır. Bilgisayar üzerinde oldukça iyi sonuçlar veren ORBSLAM algoritması, gömülü bir bilgisayarda gerçek zamanlı olarak çalıştığı zaman istenilen performansı verememektedir. ORBSLAM algoritmasının gömülü bilgisayar üzerinde çalışırken tahmin ettiği konum verilerinin doğruluğunu arttırmak için IMU (Inertial meaurement unit) dan elde edilen konum verileri ile sensor füzyonu yapılmıştır. Yapılan deneyler ORB-SLAM algoritmasının odroid üzerinde yaklasık 8 Hz. hızda çalıştığı gözlenmiştir. Bu çalışma hızı i7 işlemcili bir bilgisayarda 350 Hz. kadar çıkmaktadır. Bu nedenle ORB-SLAM algoritmasının performansı da azalmaktadır. ORB-SLAM algoritmasının performansını arttırmak için bu çalışmada IMU ile sensör füzyonu yapılmıştır. Buna ek olarak daha hızlı olan ve aynı zamanda quadcopter platformu üzerinde taşinabilecek olan daha yüksek performanslı bilgisayar, Nvidia Jetson TK1 kullanılmıştır. Bu sayede ORBSLAM algoritmasının performansı artırılmıştır. ORBSLAM algoritması, IMU ile sensör füzyonu yapıldıktan sonra, gömülü sistemdeki konumlandırma algoritmasının performansında artış elde edilmiştir. Daha iyi bir performans artışı elde edilebilmesi için ilerki aşamalarda aşağıdaki öneriler değerlendirilebilir. Sensor füzyonunda kalman filtresi modellenirken lineer model kullanılmıştır. Ancak modelin lineer olmamasından dolayı, ileride genişletilmiş kalman filtresi (EKF) kullanılabilir. Bu sayede lineer olmayarak modellenen sistemin oryantasyon ve position tahminlerinin doğruluğu artacaktır. Son olarak kullanılan Adafruit BNO055 marka ve modelli IMU'nun okuduğu değerlerde zamanla hata miktarı artmaktadır. Kullanılan IMU piyasada bulunan oldukça düşük fiyatlı bir IMU'dur. Bu nedenle okuduğu değerler zamanla hatalı olmaktadır. İlerki çalışmalarda daha kaliteli ölçüm değerleri daha doğru olan IMU kullanılabilir. Bu da algoritmanın performansını arttıracaktır.