Açık Kaynak Kodlu Drone Sistemlerinde Görüntü İşleme ile Görev Yazılımı Nasıl Kodlanır?

Günümüzde drone ve insansız hava aracı (İHA) sistemleri yalnızca uzaktan kumanda edilen platformlar olmaktan çıkmış; algılayabilen, karar verebilen ve otonom görevler icra edebilen akıllı sistemlere dönüşmüştür. Bu dönüşümün merkezinde açık kaynak kodlu uçuş kontrol yazılımları ve görüntü işleme tabanlı görev yazılımları yer almaktadır. Özellikle ArduPilot ve PX4 gibi açık kaynak autopilot sistemleri, görüntü işleme algoritmalarıyla entegre edilerek ileri seviye görevlerin geliştirilmesine olanak tanır.

Bu yazıda, açık kaynak kodlu drone sistemlerinde görüntü işleme kullanılarak görev yazılımının nasıl geliştirildiği; mimari yapı, veri akışı, kontrol mantığı ve emniyet yaklaşımlarıyla birlikte teknik düzeyde ele alınmaktadır.

Açık Kaynak Drone Sistemlerinde Temel Mimari

Açık kaynak drone mimarisi genellikle iki ana hesaplama katmanından oluşur:

1. Uçuş kontrolcüsü (Autopilot)

   • Stabilizasyon

   • Motor kontrolü

   • Uçuş modları

   • Fail-safe mekanizmaları

2. Eşlikçi bilgisayar (Companion Computer)

   • Görüntü işleme

   • Yapay zekâ algoritmaları

   • Görev mantığı (mission logic)

   • Karar verme süreçleri

Bu iki yapı arasında iletişim genellikle MAVLink protokolü üzerinden sağlanır. Autopilot, uçuşun güvenliğini ve düşük seviyeli kontrolü üstlenirken; görüntü işleme ve görev yazılımı, yüksek işlem gücü gerektiren görevleri eşlikçi bilgisayar üzerinde gerçekleştirir.

Görüntü İşleme Tabanlı Görev Yazılımının Rolü

Görüntü işleme tabanlı görev yazılımı, drone’un çevresini “algılamasını” sağlar. Kamera üzerinden alınan görüntüler; hedef tespiti, nesne takibi, işaret algılama veya çevresel farkındalık gibi amaçlarla işlenir. Bu algılama çıktıları, drone’un hangi görevi ne zaman ve nasıl icra edeceğini belirleyen görev yazılımına girdi olarak kullanılır.

Bu yaklaşımda görev yazılımı, yalnızca “komut gönderen” bir yapı değil; algı–karar–eylem döngüsünü yöneten akıllı bir kontrol katmanıdır.

Görüntü İşleme → Görev Yazılımı Akışı

Açık kaynak drone sistemlerinde tipik bir görüntü işleme tabanlı görev akışı şu adımlardan oluşur:

1. Görüntü AlımıKamera üzerinden gerçek zamanlı görüntü alınır.

2. Algılama (Perception)

   • AprilTag / ArUco algılama

   • Nesne tespiti (YOLO, SSD vb.)

   • Renk, şekil veya kenar tabanlı algılama

3. Konum ve Durum Çıkarımı (Estimation)Algılanan hedefin:

   • Kamera koordinat sistemindeki konumu

   • Açıları veya göreli mesafesihesaplanır.

4. Görev Mantığı (Mission Logic)Elde edilen bilgiler, görev durumuna göre yorumlanır:

   • Hedef bulundu mu?

   • Merkezde mi?

   • Yaklaşma mı, bekleme mi, iniş mi yapılacak?

5. Autopilot ile Etkileşim

   • Setpoint gönderme

   • Hedef bilgisi paylaşma

   • Mod değiştirme veya görev başlatma

Bu döngü, saniyede onlarca kez çalışarak drone’un çevresine dinamik şekilde tepki vermesini sağlar.

Görev Yazılımında Durum Makineleri (State Machine)

Görüntü işleme tabanlı görev yazılımlarında en kritik kavramlardan biri durum makinesi (state machine) yapısıdır. Tek seferlik koşul ifadeleri (if-else) yerine, sistemin hangi görev aşamasında olduğunu açıkça tanımlayan durumlar kullanılır.

Örnek bir görev durum akışı:

• SEARCH: Hedef aranıyor

• DETECT: Hedef algılandı

• APPROACH: Hedefe yaklaşma

• ALIGN: Hedef ile hizalanma

• EXECUTE: Görevin icrası (iniş, takip, bırakma vb.)

• FAILSAFE: Hedef kaybı veya hata durumu

Bu yapı, görev yazılımını hem okunabilir hem de güvenli hale getirir. Ayrıca eğitim ve Ar-Ge projelerinde görev mantığının anlaşılmasını büyük ölçüde kolaylaştırır.

Autopilot ile Entegrasyon Yaklaşımları

Görüntü işleme sonuçlarının autopilot’a aktarılması iki ana yaklaşımla gerçekleştirilir.

1. Autopilot Merkezli Yaklaşım (Yüksek Seviye)

Bu yöntemde görüntü işleme yalnızca hedef ölçümünü yapar. Kontrol ve stabilizasyon tamamen autopilot’a bırakılır. Örneğin:

• Görüntü işleme hedefin açısını veya konumunu hesaplar

• Bu bilgiler MAVLink mesajlarıyla autopilot’a gönderilir

• Autopilot kendi kontrol algoritmalarıyla hareketi gerçekleştirir

Bu yaklaşım, özellikle hassas iniş ve konum tutma görevlerinde daha güvenli ve kararlıdır.

2. Görev Yazılımı Merkezli Yaklaşım (Offboard Kontrol)

Bu yöntemde görev yazılımı, drone’un hız veya konum setpoint’lerini doğrudan üretir. Autopilot, dışarıdan gelen bu setpoint’leri uygular.

Avantajları:

• Daha esnek görev tasarımı

• Takip ve kaçınma senaryolarında yüksek kontrol

Dezavantajları:

• Emniyet tasarımı zorunludur

• Setpoint kesintilerinde risk oluşur

Bu nedenle bu yaklaşım genellikle ileri seviye Ar-Ge projelerinde tercih edilir.

Simülasyonun Görev Yazılımındaki Önemi

Açık kaynak drone sistemlerinde görüntü işleme tabanlı görev yazılımı geliştirilirken simülasyon ortamları kritik rol oynar. Gazebo gibi simülasyonlar sayesinde:

• Algoritmalar gerçek uçuş öncesi test edilir

• Hatalı görev mantıkları güvenli ortamda tespit edilir

• Eğitim amaçlı tekrar edilebilir senaryolar oluşturulur

Simülasyon, görev yazılımının olgunlaşmasını sağlayan vazgeçilmez bir adımdır.

Emniyet ve Fail-Safe Mekanizmaları

Görüntü işleme tabanlı görev yazılımlarında en büyük risk, algının kaybolmasıdır. Kamera görüntüsünün bozulması, hedefin kadrajdan çıkması veya yanlış algılama durumlarında sistemin nasıl davranacağı net şekilde tanımlanmalıdır.

Bu nedenle görev yazılımında:

• Zaman aşımı (timeout) kontrolleri

• Hedef kaybı durumları

• Manuel kontrol veya RTL geçişleri

mutlaka bulunmalıdır. Güvenli olmayan görev yazılımları, sahada ciddi kazalara yol açabilir.

Eğitim ve Ar-Ge Açısından Katkıları

Açık kaynak kodlu drone sistemlerinde görüntü işleme ile görev yazılımı geliştirmek, öğrenciler ve araştırmacılar için eşsiz bir öğrenme alanı sunar. Bu yaklaşım:

• Algoritma → sistem → saha ilişkisini öğretir

• Teorik bilgiyi pratikle birleştirir

• Yapay zekâ ve robotik alanlarına geçişi kolaylaştırır

Bu nedenle eğitim amaçlı drone platformlarında görüntü işleme tabanlı görev yazılımları, ileri seviye kazanımlar sağlar.

Açık kaynak kodlu drone sistemlerinde görüntü işleme ile görev yazılımı geliştirmek, modern İHA teknolojilerinin temel yapı taşlarından biridir. Görüntü işleme algoritmaları, görev mantığı ve autopilot entegrasyonu birlikte ele alındığında; drone’lar çevresini algılayabilen, karar verebilen ve güvenli şekilde otonom görevler icra edebilen sistemlere dönüşür. Doğru mimari, sağlam görev mantığı ve güçlü emniyet önlemleriyle geliştirilen bu yazılımlar; eğitimden Ar-Ge projelerine, endüstriyel uygulamalardan akademik çalışmalara kadar geniş bir kullanım alanı sunar.