Uav quadcopter guidance: Gps-denied 3D mapping and collision avoidance

Abstract

İnsansız Hava Araçları (İHA) ve özellikle dört rotorlu platformlar son yıllarda hobi kullanımından endüstri uygulamalarına geniş bir yelpazede yaygınlaşmıştır. Bu araçların sunduğu mekanik basitlik, dikey kalkış ve iniş (VTOL) yeteneği ile yüksek manevra kabiliyeti, tarım, altyapı denetimi, arama-kurtarma ve haritalama gibi alanlarda çığır açan çözümler sunmaktadır. Ancak, mevcut ticari ve askeri İHA sistemleri büyük ölçüde Küresel Konumlandırma Sistemi (GPS) gibi harici GNSS'lere bağımlıdır. Bu bağımlılık, sinyallerin ulaşamadığı veya güvenilmez olduğu ortamlarda büyük kısıtlamalar getirmektedir. Yeraltı maden ocakları, derin tüneller, yıkılmış binaların içi, köprü altları ve Mars ile Ay gibi gelecekteki uzay araştırmalarında hedeflenen lav tüpleri (yanardağ ve lav akışı sebebiyle oluşan tünneller) gibi "GPS bulunmayan" (GPS-denied) ortamlarda, otonom sistemler önemli zorluklar yaşamaktadır. Bu ortamlarda, harici konum referansı olmadan çalışan standart otopilotlar, zamanla atalet sensörlerindeki gürültü birikimi nedeniyle hızla sürüklenmesi (drift) kaza riskine yol açmaktadır. Ayrıca, bu ortamların genellikle dar, karmaşık ve düzensiz yapıları, kaya veya beton blokların radyo sinyallerini zayıflatması, uzaktan manuel kontrolü imkânsız hale getirir. Bu nedenlerle, tam otonom çözümler geliştirmek kaçınılmazdır. Bu tez, GPS sinyallerinin bulunmadığı zorlayıcı ortamlarda, harici seyrüsefer yardımına ihtiyaç duymadan otonom şekilde uçabilen, engellerden kaçınabilen ve ortamın 3 boyutlu haritasını çıkarabilen dört rotorlu bir otopilot sisteminin tasarımı, geliştirilmesi ve doğrulamasını ele almaktadır. Temel amacı, düşük maliyetli donanım sınırlamalarıyla dahi güvenli uçuş sağlayabilen reaktif bir kontrol yapısı geliştirmektir. Bu hedef doğrultusunda, çalışma kapsamında Model Tabanlı Tasarım (Model-Based Design - MBD) metodolojisi benimsenmiş ve yüksek sadakatli bir ortak simülasyon (co-simulation) altyapısı geliştirilmiştir. Sistem mimarisi, uçuş dinamiği ve kontrol algoritmalarının MATLAB/Simulink ortamında çalıştırılmasıyla desteklenirken, RoadRunner 3D oyun motoru kullanılarak gerçekçi çevresel algılama ve fiziksel çarpışma testleri gerçekleştirilmiştir. Bu Döngüde Yazılım (Software-in-the-Loop - SIL) yaklaşımı, karmaşık algoritmaların gerçek donanım kullanmadan, sanal ortamda risk olmadan güvenle test edilmesine imkan sağlamıştır. Dört rotorlu araç, simülasyon ortamında X-konfigürasyonlu rotor yerleşimine sahip, 6 Serbestlik Dereceli (6DOF) katı bir nesne olarak tanımlanmıştır. Hareket denklemleri, her motorun itki ve tork kuvvetlerinin gövde üzerindeki etkilerini hesap edecek şekilde tasarlanmıştır. Gerçek dünya koşullarını yansıtmak amacıyla, sensör modelleri idealize edilmemiştir; aksine, düşük maliyetli yaygın donanımların (örneğin MPU-9250 atalet ölçüm birimi ve Raspberry Pi işlemci kapasitesi) özelliklerine uygun gürültü ve hata modelleri eklenmiştir. Kontrol sisteminde, aracın yönelimini (yatış, yunuslama, sapma) yüksek frekansla stabilize eden iç döngü ile hız ve konumu yöneten dış döngüden oluşan, Kademeli PID (Oransal-İntegral-Türev) denetleyici kullanılmıştır. GPS yokluğunda konum belirsizliğini yönetmek için, yüksek frekanslı (100 Hz) ancak gürültülü ivmeölçer ve jiroskop verilerini, simüle edilen Lidar sensöründen gelen düşük frekanslı konum güncellemeleriyle (sensör füzyonu) birleştiren Genişletilmiş Kalman Filtresi (EKF) tasarlanmıştır. Bu filtre, aracın konum ve hız tahminini sağlar. Tezin en önemli teknik katkısı, 'Yol Noktası Düzeltici' (Waypoint Fixer) adını taşıyan, özgün ve düşük maliyetli bir reaktif güdüm algoritmasının geliştirilmesidir. Geleneksel yol planlama algoritmaları, A* veya RRT (Hızla Keşfeden Rastgele Ağaçlar) gibi, bilinmeyen bir ortamda küresel haritalar oluşturarak bu harita üzerinde sürekli optimal yolun yeniden hesaplanmasını gerektirir. Bu, küçük İHA'lar için yüksek hesaplama yükü anlamına gelir. Geliştirilen 'Yol Noktası Düzeltici' algoritması ise, küresel haritalar yerine, yerel ve anlık sensör verisine dayanan 'Güvenlik Küresi' (Safety Sphere) mantığını kullanır. Algoritma, aracın takip etmesi gereken rotayı temsil eden ve 3x3 matris yapısında tutulan bir 'İleriye Bakış Tamponu'nu (Look-Ahead Buffer) sürekli analiz eder. Her hedef yol noktası için, sanal bir güvenlik küresi (örneğin 4 metre yarıçapında) tanımlar. Eğer yerleşik Lidar sensöründen gelen nokta bulutu verisi, bu küre içinde herhangi bir engel tespit ederse, algoritma anlık olarak bir 'itme vektörü' hesaplar. Bu vektör, engelin merkezinden yol noktasına doğru yönlendirilmiş birim vektördür ve hedef yol noktasını, engelden belirlenen güvenlik mesafesi kadar uzaklaştırır, yani güvenlik küresinin sınırına taşır. Bu süreç, tünel duvarları veya mağara engelleri etrafında sanal bir itici alan oluşturarak, aracın karmaşık yapılı ortamlarda bile duvarlara çarpmadan, tünelin ortasında güvenli bir koridor kalmasını sağlar. Geliştirilen sistemin performansı, üç farklı simülasyon senaryosu kullanılarak detaylı şekilde doğrulanmıştır. İlk senaryo (Senaryo A), 100 metre uzunluğundaki düz bir tüneli kapsar ve sistemin temel stabilliğini sınamak üzere tasarlanmıştır. Bu senaryoda araç, herhangi bir sapma göstermeden tünel boyunca güvenli biçimde ilerlemiş ve PID katsayılarının yanı sıra temel uçuş dinamiğinin doğruluğu doğrulanmıştır. İkinci senaryo (Senaryo B), sistemin geometrik karmaşıklığa karşı tepkisini değerlendirmek amacıyla tasarlanmış; daralan geçitler, sarkıtlar ve keskin virajlar içeren 100 metrelik "Kıvrımlı Mağara" ortamını kapsar. Bu durumda, Lidar sensörünün yüksek hızda (10 Hz) güncelleme yaptığı ideal donanım koşulu simüle edilmiştir. Sonuçlar, "Yol Noktası Düzeltici" algoritmasının, değişen tünel geometrisine hızlı adaptasyon sağlayarak yol noktalarını duvarlardan başarıyla uzaklaştırdığını göstermiştir. Araç, mağara boyunca hiçbir engele 3 metreden fazla yaklaşmamış ve çarpışmasız bir şekilde uçuşunu tamamlamıştır. Üçüncü ve en kritik senaryo (Senaryo C), sistemin donanım kısıtlamaları ve sensör gecikmelerine dayanıklılığını test ediliştir. Aynı ortam olan "Kıvrımlı Mağara" kullanılmış, ancak Lidar konum güncelleme hızı 0.75 Hz'e (her 1.5 saniyede bir) düşürülmüştür. Bu, işlemcinin (örneğin Raspberry Pi 4) yoğun nokta bulutu verisiyle başa çıkmakta zorlanması nedeniyle oluşan gecikmeyi temsil etmiştir. Bu senaryoda, Lidar güncellemeleri arasındaki 1.5 saniyelik boşlukta EKF tahmini gerçek konumdan sapmaya başlamıştır. Ancak, en kritik özellik burada ortaya çıkmıştır: Algoritma, küresel konum yerine, aracın gövde eksenine göre yerel sensör verisi (Lidar taraması) kullanarak, küresel konum tahmini yanlış olsa bile, duvar ile araç arasındaki bağıl mesafeyi doğru tespit ettiği için aracı duvardan uzak tutmuştur. Sonuç olarak, konum tahminindeki sapmalara rağmen araç, kazaya uğramadan parkuru tamamladı. Bu, GPS olmayan ortamlarda hayatta kalma (güvenlik) mekanizmasının, hassas küresel haritalamadan bağımsız olabileceğini ve düşük maliyetli donanımlarla dahi yerel reaktif döngülerin uçuş güvenliğini sağlayabileceğini kanıtlamıştır. Çalışmanın diğer bir sonucu ise 3 boyutlu haritalama performansıdır. Senaryo B'de (hızlı sensörler) oluşturulan harita, yüksek doğruluk ve pürüzsüz yüzey sağlamaktadır. Ancak, Senaryo C'de (gecikmeli sensörler) oluşturulan haritada, EKF sapmaları nedeniyle "katman kayması" olarak adlandırılan geometrik bozulmalar ortaya çıkmıştır. Nokta bulutu verileri, offline teknikler kullanılarak post-processing ile düzeltilmiştir. Bu analiz, düşük maliyetli donanımlarla gerçek zamanlı güvenli uçuşun mümkün olduğunu, ancak yüksek hassasiyetli haritalama için uçuş sonrası veri işlemenin şart olduğunu göstermiştir. Sonuç olarak, bu tez çalışmasıyla geliştirilmiş olan otonom otopilot sistemi ve "Yol Noktası Düzeltici" algoritması, GPS sinyallerinin alınamadığı zorlu ortamlarda İHA'ların güvenli görev yapmasını sağlayan, hesaplama açısından verimli ve donanım gecikmelerine dirençli bir çözüm sunar. Simülasyonlar, bu yöntemin tünel, mağara gibi kapalı alanlarda arama-kurtarma, maden denetimi ve bilimsel keşif görevlerinde kullanılabileceğini göstermektedir. Gelecek çalışmalar arasında, sistemin gerçek donanımlar (NVIDIA Jetson veya Raspberry Pi) üzerine taşınması, nokta bulutu verilerinin otomatik olarak katı hacimsel modellere (Octomap) dönüştürülmesi ve çıkmaz sokakları aşmak için küresel bir yol planlayıcıyla hibrit hale getirilmesi yer almaktadır.