Korkut Ata İHA - Kullanıcı katkıları [tr]

Savaşan İHA Takip Sistemi

2021-05-11T19:52:50Z

Ergunpayal:

''Görüntü işleme - YOLO ile hedef takip''

''Kategori: Görüntü işleme''

''Yazar: Ergün PAYAL''

----

        Savaşan İHA yarışmasında amaç rakip İHA'lar ile birbirlerine sanal vuruş gerçekleştirmektir. Kilitlenmenin gerçekleşmesi için kameranın yakaladığı görüntünün merkezindeki belirlenen bölgenin içinde (Bknz. Şekil-1), hareketli rakip İHA'nın en az 4 saniye boyunca tutulması gerekmektedir. Rakip İHA'nın görüntüsü ekran görüntüsünün yatay ve dikey eksenlerinden en az birinde, en az %5'ini kapsamalıdır.

[[Dosya:Img goruntu isterlerli.png|thumb|center|720px|Şekil 1 - Kilitlenme dörtgeni]]

        Rakip İHA'lar telemetri verilerini sunucu bilgisayarı ile paylaşacak ve kilitlenmek için en uygun olan hedef İHA konumu sunucudan çekilebilecektir. Bu bilgiler ile rakip İHA'ya yöneldikten sonra hedefin takip edilebilmesi için görüntü işleme devreye girecektir. Bu gibi bir görev için "Darknet" altyapısına sahip olan kullanan YOLO kullanılacaktır. YOLO, konvolüsyonel sinir ağlarını ( CNN ) kullanarak nesne tespiti yapan bir algoritmadır. Açılımı “You Only Look Once” yani “sadece bir kez bak”'dır. Bu adın seçilmesinin nedeni algoritmanın nesne tespitini tek seferde yapabilecek kadar hızlı olmasıdır. YOLO algoritması çalışmaya başladığında görüntülerdeki ve videolardaki nesneleri ve bu nesnelerin koordinatlarını aynı anda tespit eder. Hazır olarak kullanılabilecek bir çok ağırlık(tespit modeli) dosyası olmasıyla birlikte, istenen herhangi bir nesneyi tespit edebilmek için özel YOLO modelleri eğitilmelidir. Savaşan İHA yarışmasının görevi, tespit edilmesi gereken diğer hedef İHA'lardır. Eğitim için her açıdan, her renkte, her biçimde , her ortamda İHA fotoğrafına ihtiyaç duyulur. Bu yüzden üretilecek prototip İHA üzerinde sürekli kostüm değişikliği yapılacaktır. Eğitim için ihtiyaç olan GPU, ücretsiz sağlanan Google Colab hizmeti üzerinden edinilebilecektir. Colab tarayıcıda python kodu yazmaya ve yüksek GPU'lara sahip ekran kartlarını kullanmaya olanak sağlayan ücretsiz bir sanal bilgisayar ortamıdır. Eğitim için ne kadar çok fotoğraf olursa ve eğitim süresini ne kadar uzun tutulursa o kadar iyi tespit yapan YOLO ağırlık dosyası oluşacaktır.

        YOLO eğitimde olduğu gibi çalışırken de GPU’ya ihtiyaç duyar. YOLO tiny (daha az güvenirlikle tespit yapan ağırlık dosyası) ile bir çok geliştirici kit ve ekran kartında yüksek fps (ortalama 30) alınabilir. Yapılacak işlem önemli ve kesin tespitler gerektiriyorsa tiny kullanılamaz. Aşağıda YOLO V4'ün belli ekran kartları ve geliştirici kitlerde ne kadar FPS aldığı görünmektedir.

[[Dosya:yolo performans.jpg|thumb|center|720px|Şekil 2 - Performans tablosu]]

        İHA içerisine RTX2080Ti ekran kartlı bir bilgisayar koyulamayacağı için yeterli FPS değeri sağlayan Jetson AGX Xavier geliştirici kiti kullanılabilir. Bununla birlikte TensorRT kullanılması FPS'te büyük ölçüde artış sağlamaktadır. TensorRT görüntü sınıflandırma, segmentasyon ve nesne algılama sinir ağları için yüksek performanslı, derin öğrenme çıkarımını hızlandıran bir araçtır. AGX Xavier ailesi bu aracı desteklemektedir. Bahsi geçen araçlarla, hedef tespit işlemi sağlıklı bir biçimde yapılacaktır.

== Referanslar ==

* [https://teknofest.org/upload/0135a4dba6107aac258cf74f60e22820.pdf Teknofest Şartname]
* [https://www.gitmemory.com/issue/AlexeyAB/darknet/5354/643180384 Şekil 2]
* [http://gorselanaliz.com/yolo-nedir/#page-content YOLO Nedir?]

Uluslararası İHA Kırmızı Alan Tespiti

2021-05-03T16:45:38Z

Ergunpayal:

''Object tracking''

''Kategori: Araştırma ''

''Yazar: Ergün PAYAL''

----

        Yarışma alanı içerisinde, İHA içerisinde bulunan yüklerin bırakılması gereken 2,5m genişliğinde kırmızı alan bulunmaktadır. Bu alanın tespit edilebilmesi için bir kamera ve bu kameradan alınan görüntüleri işleyebilecek ''görüntü işleme ünitesi'' kullanılacaktır. İHA boyutu gereği kullanılabilecek görüntü işleme birimi seçenekleri oldukça azdır. Bu sebeple 2 kriter üzerinden seçim yapılması gerekir bunlar boyut ve performanstır. Bu kriterler göz önünde bulundurulduğunda bu tarz projeler için üretilmiş Raspberry Pi ve Nvidia Delevoper kitleri(Bknz. Şekil 1) öne çıkmaktadır.

[[Dosya:Gorn isl kit.png|thumb|center|720px|Şekil 1 - Raspberry Pi ve Nvidia xAvier AGX]]

        Python dilinde proje geliştirmesine izin veren bu kitlerle OpenCV ve zengin python kütüphaneleri kullanılarak görüntü işleme uygulamaları yapılabilir. Yarışmanın ilk turunda, belirlenen rotada ilerlerken bir yandan da kırmızı alanın koordinatları tespit edilecektir. Kırmızı alanı OpenCV kullanarak tespit etmek için yapabilecek işlemlerden birisi maskeleme işlemidir. Kırmızı alanın renk aralığı, yani ne kadar açık kırmızı ve koyu kırmızı aralığında ise belirlenecektir. Bulunan aralıktaki renk tonuna sahip tüm alanlarının etrafı kontur işlemi uygulanarak çizilecektir (Bknz. Şekil 2).

[[Dosya:Hdf aln.png|thumb|center|720px|Şekil 2 - Kontur işlemi]]

        Hedefin haricinde bulunabilecek başka kırmızı renk gürültülerinden kurtulabilmek için kontur içine alınan alanlar büyüklüğüne göre analiz edilecek ve hedef bölge diğerlerinden ayırt edilecektir. Kırmızı alan bulma işlemi oto pilota 1. direk ve 2. direk arasın sürüş esnasında yaptırılacaktır. Kırmızı alan olarak tespit edilen konturun merkezi tespit edilecek ve alandan ne kadar sapma yaşandığı, yerden yükseklik dikkate alınarak hesaplanacaktır. Bir sonraki turun rotası bu koordinatların üstünden geçecek şekilde ayarlanacaktır. 2. turda belirlenen yeni rotadan giderken topun serbest düşüşü oto pilot tarafından irtifa ve hız bilgileri göz önüne alınarak gerekli mesafe kadar geriden yapılacaktır. Bir sonraki tur içinde aynı işlemler tekrarlanacak ve tur sonunda kalkış alanına iniş yapılarak görev tamamlanacatır.

[[Dosya:yrs pist.png|thumb|center|720px|Şekil 3 -Görev senaryosu]]

== Referanslar ==

* [https://openzeka.com/urun/nvidia-jetson-agx-xavier-developer-kit-32gb/ Şekil 1 - openzeka.com]
* [https://www.teknofest.org/upload/diger/2021%20ULUSLARARASI%20%C4%B0HA%20YARI%C5%9EMASI%20KURALLAR%20K%C4%B0TAP%C3%87I%C4%9EI%20G%C3%9CNCEL.pdf Şekil 3 - Teknofest Savaşan İHA şartname PDF]

Uluslararası İHA Kırmızı Alan Tespiti

2021-05-03T16:45:24Z

Ergunpayal:

''Object tracking''

''Kategori: Araştırma ''

''Yazar: Ergün PAYAL''

----

        Yarışma alanı içerisinde, İHA içerisinde bulunan yüklerin bırakılması gereken 2,5m genişliğinde kırmızı alan bulunmaktadır. Bu alanın tespit edilebilmesi için bir kamera ve bu kameradan alınan görüntüleri işleyebilecek ''görüntü işleme ünitesi'' kullanılacaktır. İHA boyutu gereği kullanılabilecek görüntü işleme birimi seçenekleri oldukça azdır. Bu sebeple 2 kriter üzerinden seçim yapılması gerekir bunlar boyut ve performanstır. Bu kriterler göz önünde bulundurulduğunda bu tarz projeler için üretilmiş Raspberry Pi ve Nvidia Delevoper kitleri(Bknz. Şekil 1) öne çıkmaktadır.

[[Dosya:Gorn isl kit.png|thumb|center|720px|Şekil 1 - Raspberry Pi ve Nvidia xAvier AGX"]]

        Python dilinde proje geliştirmesine izin veren bu kitlerle OpenCV ve zengin python kütüphaneleri kullanılarak görüntü işleme uygulamaları yapılabilir. Yarışmanın ilk turunda, belirlenen rotada ilerlerken bir yandan da kırmızı alanın koordinatları tespit edilecektir. Kırmızı alanı OpenCV kullanarak tespit etmek için yapabilecek işlemlerden birisi maskeleme işlemidir. Kırmızı alanın renk aralığı, yani ne kadar açık kırmızı ve koyu kırmızı aralığında ise belirlenecektir. Bulunan aralıktaki renk tonuna sahip tüm alanlarının etrafı kontur işlemi uygulanarak çizilecektir (Bknz. Şekil 2).

[[Dosya:Hdf aln.png|thumb|center|720px|Şekil 2 - Kontur işlemi]]

        Hedefin haricinde bulunabilecek başka kırmızı renk gürültülerinden kurtulabilmek için kontur içine alınan alanlar büyüklüğüne göre analiz edilecek ve hedef bölge diğerlerinden ayırt edilecektir. Kırmızı alan bulma işlemi oto pilota 1. direk ve 2. direk arasın sürüş esnasında yaptırılacaktır. Kırmızı alan olarak tespit edilen konturun merkezi tespit edilecek ve alandan ne kadar sapma yaşandığı, yerden yükseklik dikkate alınarak hesaplanacaktır. Bir sonraki turun rotası bu koordinatların üstünden geçecek şekilde ayarlanacaktır. 2. turda belirlenen yeni rotadan giderken topun serbest düşüşü oto pilot tarafından irtifa ve hız bilgileri göz önüne alınarak gerekli mesafe kadar geriden yapılacaktır. Bir sonraki tur içinde aynı işlemler tekrarlanacak ve tur sonunda kalkış alanına iniş yapılarak görev tamamlanacatır.

[[Dosya:yrs pist.png|thumb|center|720px|Şekil 3 -Görev senaryosu]]

== Referanslar ==

* [https://openzeka.com/urun/nvidia-jetson-agx-xavier-developer-kit-32gb/ Şekil 1 - openzeka.com]
* [https://www.teknofest.org/upload/diger/2021%20ULUSLARARASI%20%C4%B0HA%20YARI%C5%9EMASI%20KURALLAR%20K%C4%B0TAP%C3%87I%C4%9EI%20G%C3%9CNCEL.pdf Şekil 3 - Teknofest Savaşan İHA şartname PDF]

Uluslararası İHA Kırmızı Alan Tespiti

2021-05-03T16:45:03Z

Ergunpayal:

''Object tracking''

''Kategori: Araştırma ''

''Yazar: Ergün PAYAL''

----

        Yarışma alanı içerisinde, İHA içerisinde bulunan yüklerin bırakılması gereken 2,5m genişliğinde kırmızı alan bulunmaktadır. Bu alanın tespit edilebilmesi için bir kamera ve bu kameradan alınan görüntüleri işleyebilecek ''görüntü işleme ünitesi'' kullanılacaktır. İHA boyutu gereği kullanılabilecek görüntü işleme birimi seçenekleri oldukça azdır. Bu sebeple 2 kriter üzerinden seçim yapılması gerekir bunlar boyut ve performanstır. Bu kriterler göz önünde bulundurulduğunda bu tarz projeler için üretilmiş Raspberry Pi ve Nvidia Delevoper kitleri(Bknz. Şekil 1) öne çıkmaktadır.

[[Dosya:Gorn isl kit.png|thumb|center|720px|Şekil 1 - Raspberry Pi ve Nvidia xAvier AGX <nowiki>[</nowiki> 1 <nowiki>]</nowiki>"]]

        Python dilinde proje geliştirmesine izin veren bu kitlerle OpenCV ve zengin python kütüphaneleri kullanılarak görüntü işleme uygulamaları yapılabilir. Yarışmanın ilk turunda, belirlenen rotada ilerlerken bir yandan da kırmızı alanın koordinatları tespit edilecektir. Kırmızı alanı OpenCV kullanarak tespit etmek için yapabilecek işlemlerden birisi maskeleme işlemidir. Kırmızı alanın renk aralığı, yani ne kadar açık kırmızı ve koyu kırmızı aralığında ise belirlenecektir. Bulunan aralıktaki renk tonuna sahip tüm alanlarının etrafı kontur işlemi uygulanarak çizilecektir (Bknz. Şekil 2).

[[Dosya:Hdf aln.png|thumb|center|720px|Şekil 2 - Kontur işlemi]]

        Hedefin haricinde bulunabilecek başka kırmızı renk gürültülerinden kurtulabilmek için kontur içine alınan alanlar büyüklüğüne göre analiz edilecek ve hedef bölge diğerlerinden ayırt edilecektir. Kırmızı alan bulma işlemi oto pilota 1. direk ve 2. direk arasın sürüş esnasında yaptırılacaktır. Kırmızı alan olarak tespit edilen konturun merkezi tespit edilecek ve alandan ne kadar sapma yaşandığı, yerden yükseklik dikkate alınarak hesaplanacaktır. Bir sonraki turun rotası bu koordinatların üstünden geçecek şekilde ayarlanacaktır. 2. turda belirlenen yeni rotadan giderken topun serbest düşüşü oto pilot tarafından irtifa ve hız bilgileri göz önüne alınarak gerekli mesafe kadar geriden yapılacaktır. Bir sonraki tur içinde aynı işlemler tekrarlanacak ve tur sonunda kalkış alanına iniş yapılarak görev tamamlanacatır.

[[Dosya:yrs pist.png|thumb|center|720px|Şekil 3 -Görev senaryosu]]

== Referanslar ==

* [https://openzeka.com/urun/nvidia-jetson-agx-xavier-developer-kit-32gb/ Şekil 1 - openzeka.com]
* [https://www.teknofest.org/upload/diger/2021%20ULUSLARARASI%20%C4%B0HA%20YARI%C5%9EMASI%20KURALLAR%20K%C4%B0TAP%C3%87I%C4%9EI%20G%C3%9CNCEL.pdf Şekil 3 - Teknofest Savaşan İHA şartname PDF]

2021-04-30T15:42:57Z

Ergunpayal:

''Object tracking''

''Kategori: Araştırma ''

''Yazar: Ergün PAYAL''

----

        Yarışma alanı içerisinde, İHA içerisinde bulunan yüklerin bırakılması gereken 2,5m genişliğinde kırmızı alan bulunmaktadır. Bu alanın tespit edilebilmesi için bir kamera ve bu kameradan alınan görüntüleri işleyebilecek ''görüntü işleme ünitesi'' kullanılacaktır. İHA boyutu gereği kullanılabilecek görüntü işleme birimi seçenekleri oldukça azdır. Bu sebeple 2 kriter üzerinden seçim yapılması gerekir bunlar boyut ve performanstır. Bu kriterler göz önünde bulundurulduğunda bu tarz projeler için üretilmiş Raspberry Pi ve Nvidia Delevoper kitleri(Bknz. Şekil 1) öne çıkmaktadır.

[[Dosya:Gorn isl kit.png|thumb|center|720px|Şekil 1 - Raspberry Pi ve Nvidia xAvier AGX]]

        Python dilinde proje geliştirmesine izin veren bu kitlerle OpenCV ve zengin python kütüphaneleri kullanılarak görüntü işleme uygulamaları yapılabilir. Yarışmanın ilk turunda, belirlenen rotada ilerlerken bir yandan da kırmızı alanın koordinatları tespit edilecektir. Kırmızı alanı OpenCV kullanarak tespit etmek için yapabilecek işlemlerden birisi maskeleme işlemidir. Kırmızı alanın renk aralığı, yani ne kadar açık kırmızı ve koyu kırmızı aralığında ise belirlenecektir. Bulunan aralıktaki renk tonuna sahip tüm alanlarının etrafı kontur işlemi uygulanarak çizilecektir (Bknz. Şekil 2).

[[Dosya:Hdf aln.png|thumb|center|720px|Şekil 2 - Kontur işlemi]]

        Hedefin haricinde bulunabilecek başka kırmızı renk gürültülerinden kurtulabilmek için kontur içine alınan alanlar büyüklüğüne göre analiz edilecek ve hedef bölge diğerlerinden ayırt edilecektir. Kırmızı alan bulma işlemi oto pilota 1. direk ve 2. direk arasın sürüş esnasında yaptırılacaktır. Kırmızı alan olarak tespit edilen konturun merkezi tespit edilecek ve alandan ne kadar sapma yaşandığı, yerden yükseklik dikkate alınarak hesaplanacaktır. Bir sonraki turun rotası bu koordinatların üstünden geçecek şekilde ayarlanacaktır. 2. turda belirlenen yeni rotadan giderken topun serbest düşüşü oto pilot tarafından irtifa ve hız bilgileri göz önüne alınarak gerekli mesafe kadar geriden yapılacaktır. Bir sonraki tur içinde aynı işlemler tekrarlanacak ve tur sonunda kalkış alanına iniş yapılarak görev tamamlanacatır.

[[Dosya:yrs pist.png|thumb|center|720px|Şekil 3 -Görev senaryosu]]

== Referanslar ==

* [https://openzeka.com/urun/nvidia-jetson-agx-xavier-developer-kit-32gb/ Şekil 1]
* [https://www.teknofest.org/upload/diger/2021%20ULUSLARARASI%20%C4%B0HA%20YARI%C5%9EMASI%20KURALLAR%20K%C4%B0TAP%C3%87I%C4%9EI%20G%C3%9CNCEL.pdf Şekil 3]

Ergunpayal:

Bu bölümde '''Korkut Ata İHA takımı''' üyeleri olarak yapmış olduğumuz araştırma ve yazıların olduğu bölümdür. İncelemek istediğiniz yazının bağlantısına tıklayarak inceleyebilirsiniz.

----

== Donanım ==

1 - [[RC(Radio Control) kumandası]]

2 - [[İtki sistemleri]]

== Yazılım ==
1 - [[Int. İHA kırmızı alan tespiti]]

2 - [[Savaşan İHA takip sistemi]]

3 - [[Yer istasyonu yazılımı ''Korkut Ata Takip'']]

4 - [[Gömülü işletim sistemi]]

== Mekanik ==

2021-04-23T10:18:43Z

Ergunpayal:

''GPOS -Gerçek zamanlı işletim sistemi''

''kategori: Araştırma ''

----

<nowiki>        RTOS, çok hassas zamanlama ve yüksek güvenirlikli uygulamları çalıştırmak için özel olarak tasarlanmış bir işletim sistemidir. Gerçek zaman kelimesi, uygulamanın veya işletim sisteminin tam hız değil garantilerle ilgilendiğini gösterir. RTOS’ta threadler(iş parçacıkları) önceliklerine göre yürütülürler. Yüksek öncelikli bir thread çalışmaya hazır hale gelirse, cpu yürütlmekte olak daha düşük öncelikli thread’den sırayı alır ve yüksek önceliklithread’e verir ve bu thread yalnızca daha yüksek öncelikli bir thread’den istek geldiğinde geçersiz kılınır. RTOS örneği olarak VxWork, QNX, FreeRTOS, INTEGRITY verilebilir.</nowiki>
<nowiki>        GPOS(genel amaçlı işletim sistemi) RTOS’a kıyasla zamanlamayı yüksek verim elde etmeyi başaracak şekilde işlemek üzere programlanmıştır. Verim birim süre başına yürütülmesini tamamlayan toplam işlem sayısı anlamına gelir. Yüksek verim, tek bir yüksek önceliğe hizmet etmek yerine bir kaç düşük öncelikli görevi önceliğe alarak elde edilir. RTOS, GPOS’tan daha az verim sağlayabilir, çünkü her xzaman yüksek öncelikli görevler desteklenir; fakat belirleyici olmak ve zaman tahmin edilebilirliği sağlamak için verim veda edilebilir. RTOS’ta gecikme süresi neredeyse sabittir. GPOS örneği olarak LINUX, WINDOWS, MACOS, IOS, ANDROID verilebilir.
</nowiki>

[[Dosya:Rtos.png|thumb|center|720px|Raspberry Pi ve Nvidia xAvier AGX]]
<nowiki> RTA(gerçek zamanlı uygulama)’lar hızlı çalışan uygulamalar değildir, hızlı olmaları gerekmez. Gerçek zamanlı uygulamalarda yürütme süresi veya tepki süresi sabittir. Zamanlama kısıtlamasına uyulmazsa sistem arızasının olduğu söylenebilir. Eğer uygulama daha iyi performansa ihtiyaç duyuyorsa, donanımı yükselterek ihtiyaç duyduğu performans elde edilebilir; fakat daha yüksek işlemci, daha fazla RAM, daha hızlı veri yoluna sahip olma, sistemi gerçek zamanlı yapmaz.
RTA’lar SOFT ve HARD olmak üzere ikiye ayrılırlar. SOFT RTA’ların yanıt süresinde milisaniye veya saniye cinsinden ufak sapmalar olabilir. HARD RTA’lar belirli bir süre içinde işlemlerini yapmalıdır aksi durumda mutlak arızalanmaya neden olur. Örneğin araçlardaki havayastığı tetikleme mekaniği, füze yönlendirme ve kontrol sistemleri ve fren sistemleri hard real time’dır. Soft real time örneği olarak canlı yayın görüntü iletimi ve internet üzerinden ses iletimi verilebilir.

</nowiki>