Otonom insansız hava araçları için nesne takibi

Abstract

Nesne algılama teknolojilerinde yaşanan hızlı gelişmeler, İnsansız Hava Araçlarının (İHA) operasyonel kapasitelerini önemli ölçüde dönüştürmüş ve bu sistemlerin gözetim, afet yönetimi ile çevresel izleme gibi farklı alanlarda etkin bir biçimde kullanılmasına olanak sağlamıştır. Ancak, İHA operasyonlarının doğasında bulunan değişken irtifalar, yüksek hızlı hareket ve öngörülemeyen çevresel koşullar gibi zorluklar, gerçek dünya koşullarında güvenilir performans elde edilebilmesi, sağlam ve yüksek verimliliğe sahip takip sistemlerinin geliştirilmesini zorunlu kılmaktadır. Bu tez, otonom İHA'lar için özel olarak uyarlanmış nesne takip sistemlerinin tasarım ve uygulama süreçlerindeki iyileştirmeleri incelemekte olup, bu doğrultuda en güncel bilgisayarlı görü tekniklerinden, özellikle YOLO algoritmasından yararlanmaktadır. Gerçek zamanlı hedef tespiti ve takibiyle ilgili zorlukları ele almak üzere geliştirilen sistemlerin doğruluk, sağlamlık ve hesaplama verimliliği açısından performansı; örtüşmeler, değişken aydınlatma koşulları ve küçük hedef boyutları gibi farklı koşullar altında kapsamlı biçimde incelenmektedir. Önerilen yöntemlerin geçerliliğini sağlamak amacıyla hem hava veri setleri hem de gerçek dünya senaryoları kullanılmaktadır. Bunun yanı sıra, görsel tabanlı sistemlerden sağlanan verilerin ataletsel sensörler ve Küresel Konumlama Sistemi (GPS) çıktıları ile bütünleştirilmesi aracılığıyla takip güvenilirliğinin artırılmasına yönelik sensör füzyon yöntemleri araştırılmıştır. Bu entegrasyon, hızlı İHA manevraları sırasında veya yalnızca görsel verilerin yetersiz olduğu durumlarda hedef takibini sürdürme yeteneğini geliştirmektedir. Önerilen takip sistemi, arama-kurtarma operasyonları, yaban hayatının izlenmesi ve altyapı denetimleri gibi kritik İHA uygulamalarında kullanılarak hem pratik yararları hem de çok yönlü kullanım potansiyeli gösterilmiştir.The rapid evolution of object detection has fundamentally transformed the operational capabilities of Unmanned Aerial Vehicles (UAVs), thereby facilitating their integration into a diverse array of applications such as surveillance, disaster management, and environmental monitoring. However, the inherent challenges of UAV operations— including variable altitudes, high-speed movement, and unpredictable environmental conditions—necessitate the development of robust and efficient tracking systems to ensure reliable performance in real-world scenarios. This thesis examines enhancements in the design and implementation of object tracking systems specifically tailored for autonomous UAVs. State-of-the-art computer vision techniques, notably the YOLO algorithm, are employed to address the challenges associated with real-time target detection and tracking. The performance of these systems is evaluated in terms of accuracy, robustness, and computational efficiency under various conditions, including occlusions, fluctuating illumination levels, and small target sizes. To validate the proposed methods, both aerial datasets and real-world scenarios are utilized. Additionally, sensor fusion techniques are explored to enhance tracking reliability by combining data from vision-based systems with inertial and Global Positioning System (GPS) sensors. This integration improves the system's ability to maintain target tracking during rapid UAV maneuvers or when visual data alone is insufficient. The proposed tracking system is demonstrated in key UAV applications, such as search and rescue missions, wildlife monitoring, and infrastructure inspection, showcasing its practical benefits and versatility.