Drone’larda Görüntü İşleme ile Hedef Takibi Nasıl Yapılır?

Günümüzde drone sistemleri yalnızca uzaktan kumanda edilen platformlar olmaktan çıkmış, çevresini algılayabilen ve otonom kararlar verebilen akıllı sistemlere dönüşmüştür. Bu dönüşümün en önemli bileşenlerinden biri görüntü işleme tabanlı hedef takibi (object tracking) teknolojileridir. Görüntü işleme algoritmaları sayesinde drone’lar belirli bir nesneyi tanıyabilir, konumunu hesaplayabilir ve bu nesneyi gerçek zamanlı olarak takip edebilir.

Bu yazıda drone sistemlerinde görüntü işleme ile hedef takibinin nasıl gerçekleştirildiği; kullanılan algoritmalar, sistem mimarisi ve kontrol yaklaşımı ile birlikte teknik düzeyde ele alınmaktadır.

Görüntü İşleme ile Hedef Takibi Nedir?

Hedef takibi, drone’un kamera görüntüsünden belirli bir nesneyi algılayarak bu nesnenin konumunu sürekli olarak güncellemesi ve bu bilgiye göre hareket etmesi sürecidir.

Bu sistemde drone:

• Hedefi algılar

• Hedefin görüntüdeki konumunu belirler

• Hedefin hareketini izler

• Uçuşunu buna göre ayarlar

Bu süreç gerçek zamanlı olarak çalışır ve drone’un dinamik bir ortamda hedefi kaybetmeden takip etmesini sağlar.

Sistem Mimarisi: Hedef Takibi Nasıl Çalışır?

Drone’larda görüntü işleme tabanlı hedef takibi genellikle iki ana sistem üzerinden yürütülür:

Uçuş Kontrol Kartı (Autopilot)

• Stabilizasyon

• Motor kontrolü

• Uçuş güvenliği

Companion Computer

• Görüntü işleme

• Hedef algılama

• Görev mantığı

Bu iki sistem MAVLink protokolü ile haberleşir. Görüntü işleme sonuçları, drone’un hareketini belirleyen komutlara dönüştürülür.

Hedef Takibinde Kullanılan Temel Yöntemler

Renk Tabanlı Takip

En basit yöntemlerden biridir. Belirli bir renk aralığı (HSV uzayında) seçilerek hedef tespit edilir.

Avantaj:

• Hızlı

• Basit

Dezavantaj:

• Işık değişimlerinden etkilenir

• Gerçek dünya uygulamalarında sınırlı

  
  

Marker Tabanlı Takip (AprilTag / ArUco)

Drone’larda en yaygın kullanılan yöntemlerden biridir.

• Özel marker (etiket) kullanılır

• Kamera bu marker’ı algılar

• Hedefin konumu ve açısı hesaplanır

Avantaj:

• Yüksek doğruluk

• Konum bilgisi üretilebilir

Bu yöntem özellikle:

• Hassas iniş

• Eğitim uygulamaları

• Laboratuvar testleri

için idealdir.

Derin Öğrenme (YOLO, SSD, CNN)

Gelişmiş sistemlerde nesne tanıma için yapay zekâ kullanılır.

Drone:

• İnsan

• Araç

• Nesne

gibi hedefleri gerçek zamanlı olarak tanıyabilir.

Avantaj:

• Gerçek dünya senaryoları

• Esnek kullanım

Dezavantaj:

• Yüksek işlem gücü gerektirir

  
  

Hedefin Konumu Nasıl Hesaplanır?

Görüntü işleme sonrası elde edilen en önemli veri, hedefin konumudur.

Bu konum genellikle:

• Görüntü merkezine göre x, y sapması

• veya kamera koordinat sisteminde 3B konum (x, y, z)

şeklinde ifade edilir.

Örnek:

• Hedef sağda → drone sağa hareket eder

• Hedef aşağıda → drone ileri gider

Bu dönüşüm, görüntü koordinatlarından drone hareketine geçişin temelidir.

Hedef Takibinde Kontrol Yaklaşımı

Hedef takibi aslında bir geri beslemeli kontrol sistemi (closed-loop control)dir.

Sistem şu şekilde çalışır:

1. Kamera hedefi algılar

2. Hedef konumu hesaplanır

3. Hata (error) belirlenir

4. Kontrol sinyali üretilir

5. Drone hareket eder

Bu süreç genellikle PID kontrol algoritmaları ile gerçekleştirilir.

MAVLink ile Drone Kontrolü

Görüntü işleme sonuçları, drone’a doğrudan komut olarak gönderilemez. Bu veriler önce uygun formata dönüştürülür.

Yaygın yöntemler:

Setpoint Gönderme (Offboard Control)

• Drone’a hız veya konum komutu gönderilir

• Hedefe göre hareket edilir

Hedef Bilgisi Gönderme

• Autopilot’a hedefin konumu iletilir

• Kontrol autopilot tarafından yapılır

İkinci yöntem genellikle daha güvenlidir.

Hedef Takibinde Karşılaşılan Zorluklar

Gerçek dünya uygulamalarında hedef takibi birçok zorluk içerir:

Işık Değişimleri

Güneş ışığı, gölge ve yansıma sistem performansını etkiler.

Hedef Kaybı

Hedef kadrajdan çıkarsa sistem ne yapmalı?

Gecikme (Latency)

Görüntü işleme gecikmesi, kontrol hatalarına yol açabilir.

Titreşim

Drone titreşimleri kamera görüntüsünü bozabilir.

Bu nedenle sistem yalnızca algoritma değil, tam bir mühendislik problemidir.

Simülasyon ve Test Süreci

Hedef takibi sistemleri doğrudan sahada test edilmemelidir.

Önerilen süreç:

1. Simülasyon (Gazebo vb.)

2. Kapalı alan testleri

3. Düşük hız uçuşlar

4. Açık alan testleri

Bu aşamalar sistem güvenliğini artırır.

Eğitim ve Ar-Ge Açısından Önemi

Drone’larda görüntü işleme ile hedef takibi, öğrencilerin:

• yapay zekâ

• kontrol sistemleri

• robotik

alanlarını bir arada öğrenmesini sağlar.

Drone Eğitim Kitleri ile bu sistemler uygulamalı olarak geliştirilebilir. Öğrenciler teorik bilgileri gerçek sistem üzerinde test etme imkânı bulur.

Drone’larda görüntü işleme ile hedef takibi, modern otonom sistemlerin en önemli bileşenlerinden biridir. Kamera verisinin işlenmesi, hedefin konumunun belirlenmesi ve bu bilginin drone kontrolüne dönüştürülmesi; algoritma, donanım ve kontrol sistemlerinin birlikte çalışmasını gerektirir. Doğru tasarlanmış bir hedef takip sistemi, drone’ların çevresini algılayarak otonom görevler gerçekleştirmesini mümkün kılar. Bu teknoloji, hem endüstriyel uygulamalarda hem de eğitim ve Ar-Ge çalışmalarında önemli bir yer tutmaktadır.