Hava aracı tespit ve takip sisteminin gerçek zamanlı olarak gömülü sistem üzerinde gerçekleştirilmesi
Implementation of aircraft detection and tracking system in real time on embedded systems
- Tez No: 946641
- Danışmanlar: DOÇ. DR. SALİH GÖRGÜNOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Bu tez çalışması, İnsansız Hava Araçlarının (İHA) çeşitli savaş senaryolarında pilot seviyesinde karar alabilme ve hedef takip edebilme yeteneklerini kazanmasını sağlayacak bir gömülü sistem geliştirmeyi amaçlamaktadır. Bu kapsamda, gömülü sistemler ile nesne tespit modellerinin entegrasyonu ele alınmış ve gerçek zamanlı olarak hedef tespit ve takip işlemlerinin sağlanması hedeflenmiştir. Çalışmada Python, OpenCV ve YOLO gibi teknolojiler kullanılarak, düşük gecikme süresine sahip bir sistem elde edilmesi amaçlanmıştır. Sistem, İHA'nın burun kısmına yerleştirilen yüksek çözünürlüklü bir kamera ile canlı görüntü elde ederek, bu görüntüyü gömülü sistem üzerinde işleyip hedef hava aracını tespit etmekte ve takip işlemini başlatmaktadır. YOLO modeli, bu projede yüksek doğruluk ve hız sağladığı için tercih edilmiştir. Hedef hava aracının konumu ve yönelimi tespit edildikten sonra, uçuş bilgisayarına gönderilen kontrol sinyalleriyle takip işlemi sürdürülmektedir. Bu teknoloji sayesinde, savaş pilotlarının maruz kaldığı tehlikeli senaryolar, insan müdahalesi gerekmeksizin otomatik olarak yönetilebilmekte, bu da güvenlik ve operasyonel maliyetler açısından önemli avantajlar sunmaktadır. Tezin deneysel çalışmaları kapsamında, farklı simülasyon yazılımları ve sanal test ortamları aracılığıyla elde edilen sonuçlar, sistemin doğruluk ve kararlılık açısından başarılı performans sergilediğini ortaya koymuştur. Özellikle YOLOv8n modeli, eğitim sürecinde %90,79 [email protected] doğruluk değerine ulaşarak sabit kanatlı hava aracı tespiti görevlerinde yüksek başarı sağlamıştır. Bu doğruluk oranı, gömülü sistemler için optimize edilmiş modeller arasında önemli bir yer edinmiştir. Gerçek zamanlı testlerde Jetson Nano üzerinde ortalama 17,5 FPS değerine ulaşılmış ve bu da sistemin hem hız hem de doğruluk açısından uygulamaya elverişli olduğunu göstermiştir. Takip algoritmaları açısından değerlendirildiğinde, klasik Kalman Filtresi düşük hesaplama maliyetiyle bazı senaryolarda yeterli performans sunarken, karmaşık manevralar ve doğrusal olmayan uçuş dinamiklerinde yetersiz kalmıştır. Bu bağlamda kullanılan Genişletilmiş Kalman Filtresi (EKF), hem bilgisayar hem de Jetson Nano ortamında yapılan testlerde yüksek izleme kararlılığı sunmuş ve sistemin genel performansına önemli katkı sağlamıştır. EKF ile yapılan izleme sürecinde sistem, yön değiştirme, hızlanma ve hedef kaybı gibi durumlarda dahi kesintisiz ve tutarlı tahminler üretebilmiştir. Sonuç olarak, YOLOv8n tabanlı nesne tespiti ile EKF destekli takip algoritmasının entegrasyonu, sistemin doğruluğunu, kararlılığını ve gerçek zamanlı işleyebilirliğini optimize eden etkili bir çözüm sunmuştur. Bu çalışma, İHA'ların otonom görev icra kabiliyetlerini artırmakta ve literatürde yer alan geleneksel yöntemlerin ötesine geçen yenilikçi bir yaklaşım ortaya koymaktadır. Elde edilen bu bulgular, ileride gerçek İHA platformları üzerinde yapılacak uçuş testleri için sağlam bir altyapı oluşturmakta ve sistemin savunma, güvenlik ve keşif uygulamalarına yönelik potansiyelini ortaya koymaktadır.
Özet (Çeviri)
This thesis aims to develop an embedded system that will enable Unmanned Aerial Vehicles (UAVs) to gain pilot-level decision-making and target tracking capabilities in various combat scenarios. In this context, the integration of embedded systems and artificial intelligence models was addressed and it was aimed to provide target detection and tracking operations in real time. In the study, it was aimed to obtain a system with low latency by using technologies such as Python, OpenCV and YOLO. The system obtains a live image with a high-resolution camera placed on the nose of the UAV, processes this image on the embedded system, detects the target aircraft and starts the tracking process. The YOLO model was preferred in this project because it provides high accuracy and speed. After the location and orientation of the target aircraft are detected, the tracking process is continued with control signals sent to the flight computer. Thanks to this technology, dangerous scenarios that fighter pilots are exposed to can be managed automatically without the need for human intervention, which offers significant advantages in terms of safety and operational costs. Within the scope of the thesis's experimental studies, results obtained through various simulation software and virtual testing environments have demonstrated that the system performs successfully in terms of both accuracy and stability. In particular, the YOLOv8n model achieved an accuracy of 90.79% [email protected] during training, indicating high performance in detecting fixed-wing unmanned aerial vehicles (UAVs). This level of accuracy places YOLOv8n among the most effective models optimized for embedded systems. In real-time tests conducted on a Jetson Nano platform, an average of 17.5 FPS was achieved, confirming the system's suitability in terms of both speed and detection accuracy. From the perspective of tracking algorithms, while the classical Kalman Filter provided adequate performance in simpler scenarios due to its low computational cost, it proved insufficient in complex maneuvers and nonlinear flight dynamics. In contrast, the use of the Extended Kalman Filter (EKF) resulted in high tracking stability in tests conducted on both desktop and Jetson Nano platforms, significantly enhancing overall system performance. During EKF-based tracking, the system consistently produced reliable predictions even under conditions involving directional changes, acceleration, or temporary target loss. In conclusion, the integration of YOLOv8n-based object detection with EKF-supported tracking has resulted in an effective solution that optimizes system accuracy, stability, and real-time operability. This study enhances the autonomous mission capabilities of UAVs and presents an innovative approach that surpasses conventional methods in the literature. The findings obtained lay a strong foundation for future flight tests on actual UAV platforms and demonstrate the system's potential for applications in defense, security, and reconnaissance domains.
Benzer Tezler
- Acceleration of image processing modules in wide-area aerial surveillance
Başlık çevirisi yok
ZEYNEP GÜLBEYAZ DEMİRDAĞ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiÖzyeğin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN FEHMİ ATEŞ
DR. ÖĞR. ÜYESİ İSMAİL AKTÜRK
- Target detection and tracking from unmanned aerial vehicle cameras using embedded GPU
Gömülü cihazlar kullanarak insansız hava araçları üzerinden hedef tespit ve takibi
FIRAT MEHMETOĞLU
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YAHYA KEMAL BAYKAL
- Çoklu otonom insansız hava araçları için paralel programlama tabanlı yol planlaması
Parallel programming based path planning for multi autonomous unmmaned vehicles
ÖMER ÇETİN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHava Harp Okulu KomutanlığıBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRAY YILMAZ
- Deep learning model optimization for real-time smallobject detection on embedded gpus
Gömülü GPU'larda gerçek zamanlı küçük nesne tespiti için derin öğrenme model optimizasyonu
SHAROZE ALI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
PROF. DR. HASAN FEHMİ ATEŞ
- Görüntü işleme teknikleri ile İHA tespiti
Image processing techniqes and drone detection
ENSAR KOŞATEPE
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiErzurum Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NUR HÜSEYİN KAPLAN