İnsansız hava aracı ile fotogrametrik temelli görüntü alımı ve uçuş optimizasyonu

Abstract

İnsansız Hava Araçları (İHA) ve İnsansız Hava Araçları Sistemleri (İHAS) son yüzyılın en önemli araştırma konularından biridir. Sivil kullanımın yaygınlaşması ve araştırmacıların kolay erişebilmesi sayesinde, doğal yaşamda ve insan hayatında çok önemli kullanım alanlarında İHAS'lar tercih edilmektedir. Hızla gelişen İHAS teknolojisi yardımıyla, yeni konular ortaya çıkmakta ve herkese hitap eden araştırmalar yapılmaktadır. Son yıllarda haritacılık alanında İHA kullanımının artması beraberinde birtakım problemlerinde oluşmasına sebep olmuştur. Özellikle araştırmacıların üzerine çalışmalar yaptıkları konulardan biri de İHA uçuş optimizasyonudur. Günümüzde birçoğunun (güneş pili taşıyanlar hariç) yakıtı sonlu kaynaklar tarafından sağlanan İHA'lar için enerji çok önemlidir. Gündelik hayatta insan beyninin kendiliğinden yaptığı optimizasyon işlemleri yakın zamanda, insan gibi düşünebilen Yapay Zeka (YZ) uygulamalarına konu olmaktadır. Bilgisayar öğrenmesi, derin öğrenme, Yapay Sinir Ağları (YSA) ve bunlara benzer birçok optimizasyon algoritması da YZ çalışmalarının ilerlemesine vesile olmaktadır. YZ algoritmalarının elektronik işlerdeki optimizasyon ihtiyacını gidererek gündelik hayata yönelik önemli avantajlar sağlayacağı aşikardır. Bu çalışmada amaç, İHA'nın fotogrametrik kullanımında havada kalabileceği optimum koşulları belirlemek ve sonuçları analiz ederek uçuş optimizasyonunu gerçekleştirebilmektir. Bu amaca uygun olarak havada kalma süresine etki eden tüm parametreler çeşitlendirilerek, farklı deney sonuçları gözlemlenmiştir. Kırsal alan, kentsel alan gibi farklı tip alanlarda ve eğimli arazi, çok eğimli arazi gibi farklı eğim koşullarında yapılan arazi çalışmaları sonucunda elli üç adet deneme uçuşu gerçekleştirilmiş ve gözlemler kayıt edilmiştir. YSA kullanılarak yapılan optimizasyon çalışmasında, arazide gerçekleştirilen elli üç farklı İHA uçuşunda belirlenen girdi parametreleri (İHA Tipi, Yer Örnekleme Aralığı, Bindirme Oranı ve Atmosferik Koşullar) kullanılarak eğitilmiş ağ ile çıktı parametreleri olarak belirlenen Batarya Durumu ve Uçuş Süresi test edilmiştir. Fotogrametrik ürünler üretilecek şekilde alınan görüntüler değerlendirilerek, uçuş planlaması parametrelerinin optimizasyonu hedeflenmiştir. Uçuş optimizasyonu bir bütün olarak ele alınarak girdi parametreleri çeşitlendirilip, çıktı parametrelerin regresyon değerleri irdelenmiştir. YSA çerçevesinde farklı eğitim algoritmalarının (Gradient Descent –GD- Algoritması ve Levenberg-Marquet - LM- Algoritması) optimizasyona etkileri araştırılmış, girdilerin normalizasyon öncesi ve sonrası durumları karşılaştırılmıştır. Sonuçların kullanıcıya ulaşması amacıyla bir grafik tabanlı arayüz hazırlanarak optimize edilmiş veriler grafik arayüze altlık olarak atanmıştır. Geliştirilen grafik ara yüzün haritacılıkta en sık kullanılan uçuş planlamalarına örnekler tanımlayarak, optimizasyon için fikir vermesi hedeflenmiştir. Sonuçlar tüm girdi parametrelerinin kullanıldığı optimizasyon modelinin en iyi sonuçlar için GD algoritmasında normalizasyon sonrası verilerle %82 doğrulukla tahmin yürüttüğünü ortaya koymuştur. Farklı parametrelerin optimizasyondan çıkarıldığı tahmin sonuçlarında da en iyi sonuçların normalizasyon öncesi verilerle GD algoritmasında %69 olduğu görülmüştür. Sonuç olarak fotogrametrik amaçlı İHA kullanımında uçuş optimizasyonunun YSA ile optimizasyonunun gerçekleştirildiği belirlenmiştir.

Unmanned Aerial Vehicles (UAV) and Unmanned Aerial Vehicles Systems (UAS) are one of the most important research topics of the last century. Due to the widespread use of civilians and easy access by researchers, UAS are preferred in critical areas of use in nature and human life. Due to the rapidly developing UAS technology, new issues arise, and researches that appeal to everyone are carried out. The increase in the use of UAVs in the field of geomatics engineering in recent years has led to some problems. One of the subjects that researchers especially work on is UAV flight optimization. Today, energy is vital for UAVs, most of which (except those carrying solar cells) are fueled by finite sources. In daily life, the spontaneous optimization processes of the human brain have recently been the subject of Artificial Intelligence (AI) applications that can think like a human. Computer learning, deep learning, Artificial Neural Networks (ANN) and many similar optimization algorithms are also effective in the improvement of AI subjects. It is obvious that AI algorithms will provide important advantages for daily life by solving the need for optimization problems in electronic industry. The purpose of this research is to determine the optimum conditions underneath that the UAV will keep within the air and perform flight optimisation by analyzing the leads to photogrammetric use. Following this purpose, all parameters regarding the flight time were diversified, and different check results were observed. As a result of the field studies performed in different types of areas such as rural areas, urban areas and different slope conditions such as sloping area and multi-slope area, fifty-three trial flights were managed, and observations were recorded. The Battery Status and Flight Time determined as output parameters were tested with the trained network using input parameters (UAV Type, Ground Sampling Range, Overlap Rate and Atmospheric Conditions) determined in fifty-three different UAV flights performed at the field in the optimization study using ANN. The optimization of flight planning parameters was aimed by evaluating the images taken to produce photogrammetric products. Flight optimization is taken into account as a whole, the input parameters are varied, and therefore the regression results of the output parameters are examined. Within the framework of ANN, the effects of different training algorithms (Gradient Descent -GD- Algorithm and Levenberg-Marquet-LM-Algorithm) on optimization were investigated, and the states of inputs before and after normalization were compared. A graphical interface (GUI) was prepared, and optimized knowledge was connected to the GUI as a centre for the users to achieve the results. it's aimed to provide a concept for optimisation by process samples of flight designing that are most often employed in geomatics engineering. The results disclosed that the optimization model, within which all input parameters were used, calculable with 82% accuracies with post-normalization data within the GD algorithmic rule for the most effective results. within the estimation results wherever completely different parameters were excluded from the optimization, it absolutely was seen that the best results were 69% in the GD algorithm with pre-normalization data. As a result, it absolutely was determined that the optimisation of the flight with ANN within the use of photogrammetric UAVs.