GNSS’siz Ortamlarda İHA Navigasyon Yöntemleri

İHA’lar GNSS Sinyalleri Olmadan Uçabilir mi?

İnsansız Hava Araçları (İHA), günümüzde haritalama, altyapı denetimi, tarım, madencilik, güvenlik, arama-kurtarma ve afet yönetimi gibi çok farklı alanlarda kullanılmaktadır. Bu uygulamaların önemli bir bölümünde İHA’nın konumunu belirlemek ve uçuşunu güvenli şekilde gerçekleştirmek için GNSS sinyallerinden yararlanılır.

Ancak uygulamada GNSS her zaman kullanılabilir değildir.

Kapalı alanlar, tüneller, maden ocakları, yüksek yapılar arasındaki kentsel kanyonlar, yoğun ormanlık alanlar ve GPS/GNSS sinyalinin kasıtlı olarak engellendiği veya karıştırıldığı bölgeler İHA navigasyonu açısından önemli sorunlar oluşturur.

Özellikle GNSS jamming ve spoofing tehditlerinin yaygınlaşması, İHA’ların yalnızca GNSS’e bağımlı olmayan navigasyon sistemlerine sahip olmasını giderek daha önemli hale getirmektedir.

Bu noktada temel soru şudur:

Bir İHA, GNSS olmadan nerede olduğunu nasıl bilir ve nereye gideceğini nasıl belirler?

Cevap, tek bir teknoloji değil; çoğu zaman kamera, IMU, LiDAR, radar, manyetometre, barometre ve önceden oluşturulmuş haritaların birlikte kullanıldığı sensör füzyonuna dayalı navigasyon sistemleridir.

1. GNSS’siz Navigasyon Neden Gereklidir?

GNSS sistemleri açık gökyüzünde oldukça başarılı sonuçlar verir. Ancak sinyalin zayıfladığı veya tamamen kaybolduğu ortamlarda klasik GNSS tabanlı navigasyon sistemleri yetersiz kalabilir.

GNSS sinyalinin kullanılamadığı başlıca ortamlar şunlardır:

• Tüneller
• Maden ocakları
• Kapalı hangarlar ve depolar
• Bina içleri
• Yüksek binaların bulunduğu şehir merkezleri
• Yoğun ormanlık alanlar
• Kanyonlar
• Mağaralar
• Yeraltı yapıları
• GPS/GNSS karıştırmasının bulunduğu bölgeler
• GNSS spoofing saldırılarının gerçekleştirildiği ortamlar
• Afet bölgeleri

Özellikle afetlerde durum daha da kritiktir.

Deprem sonrasında yüksek binaların oluşturduğu karmaşık ortamlar, toz, duman, enkaz ve iletişim altyapısındaki hasarlar İHA’nın GNSS destekli uçuşunu zorlaştırabilir.

Bu nedenle geleceğin otonom İHA sistemleri için temel yaklaşım:

“GNSS varsa kullan, GNSS yoksa çevreyi kullan.”

şeklinde özetlenebilir.

2. GNSS’siz Navigasyonun Temel Mantığı

GNSS olmadığında İHA’nın üç temel soruya cevap vermesi gerekir:

1. Neredeyim?

İHA’nın mevcut konumunun ve yönünün belirlenmesi gerekir.

2. Nasıl hareket ediyorum?

İHA’nın hızının, ivmesinin, dönüşünün ve hareket yönünün hesaplanması gerekir.

3. Nereye gitmeliyim?

İHA’nın hedef konumu belirlenmeli ve güvenli bir rota oluşturulmalıdır.

Bu üç problem farklı sensörlerden alınan verilerin birleştirilmesiyle çözülür.

Örneğin:

IMU → hareket

Kamera → çevresel özellikler

LiDAR → mesafe ve geometri

Barometre → yükseklik

Manyetometre → yön

Harita → mutlak/haritaya bağlı konum

Bu sensörlerin birlikte değerlendirilmesine sensör füzyonu adı verilir.

3. IMU ve Ataletsel Navigasyon

GNSS’siz navigasyonun en temel bileşenlerinden biri IMU – Inertial Measurement Unit’dir.

IMU genellikle:

• 3 eksenli ivmeölçer
• 3 eksenli jiroskop

içerir.

Bazı sistemlerde manyetometre de IMU/INS paketinin bir parçası olabilir.

İHA hareket ettiğinde IMU, aracın:

• İvmesini
• Açısal hızını
• Roll
• Pitch
• Yaw hareketlerini

ölçer.

Bu bilgiler kullanılarak İHA’nın hareketi hesaplanabilir.

Ancak önemli bir problem vardır:

IMU tek başına yeterli değildir.

İvme iki kez entegre edildiğinde konum elde edilir. Ölçüm hataları da bu integrasyon sırasında büyür.

Örneğin çok küçük bir ivmeölçer hatası bile birkaç dakika içerisinde ciddi konum hatasına dönüşebilir.

Bu nedenle IMU genellikle tek başına kullanılmaz.

IMU’nun güçlü olduğu nokta yüksek frekansta ve kısa süreli hareket bilgisini sağlamasıdır.

Uzun süreli konum doğruluğu ise başka sensörlerle desteklenmelidir.

4. INS – Ataletsel Navigasyon Sistemi

IMU verilerinin navigasyon algoritmalarıyla işlenmesi sonucunda INS (Inertial Navigation System) ortaya çıkar.

INS, temel olarak İHA’nın:

• Konumunu
• Hızını
• Yönelimini

hesaplamaya çalışır.

Ancak INS’in temel problemi drift olarak adlandırılan zamanla artan konum hatasıdır.

Bu nedenle modern İHA’larda INS genellikle başka navigasyon kaynaklarıyla desteklenir.

Örneğin:

GNSS + IMU

veya GNSS’in olmadığı ortamda:

Visual Odometry + IMU

LiDAR Odometry + IMU

gibi kombinasyonlar kullanılabilir.

5. Visual Odometry – Kamerayla Konum Belirleme

GNSS’siz İHA navigasyonunun en önemli yöntemlerinden biri Visual Odometry (VO)’dir.

Burada İHA üzerindeki kamera sürekli olarak görüntü alır.

Algoritma ardışık görüntülerde aynı nesne veya görüntü özelliklerini takip eder.

Örneğin bir görüntüde:

• bina köşesi
• duvar köşesi
• ağaç
• kaya
• rogar
• yol işareti
• zemin dokusu

gibi nesneleri tespit edilir.

Bir sonraki görüntüde bu özelliklerin nerede olduğu belirlenir.

İki görüntü arasındaki geometrik değişimden İHA’nın hareketi tahmin edilir.

Basitleştirilmiş olarak:

Görüntü 1 → Özellikler → Görüntü 2 → Özellik hareketi → Kamera hareketi

şeklinde çalışır.

6. Optical Flow

Visual Odometry’nin daha basit yaklaşımlarından biri Optical Flow yöntemidir.

Optical Flow, görüntüdeki piksellerin veya özelliklerin hareketini analiz eder.

İHA ileri doğru hareket ettiğinde görüntü üzerindeki nesnelerin hareket yönleri ve hızları belirli bir desen oluşturur.

Bu bilgi kullanılarak:

• Yatay hareket
• Dikey hareket
• İleri/geri hareket

hakkında bilgi elde edilebilir.

Optical Flow özellikle düşük irtifada uçan İHA’larda zemine göre hareketin belirlenmesi için oldukça kullanışlıdır.

Ancak tek başına Optical Flow’un önemli sınırlamaları vardır.

Örneğin:

• Çok homojen yüzeylerde
• Karanlık ortamlarda
• Sis/duman durumunda
• Çok yüksek irtifada
• Tekrarlayan dokularda

performans düşebilir.

7. Visual-Inertial Odometry – VIO

Günümüzde GNSS’siz İHA navigasyonunda en önemli yaklaşımlardan biri VIO (Visual-Inertial Odometry)’dir.

VIO, iki farklı sensörün avantajlarını birleştirir:

Kamera + IMU

Kamera çevrenin geometrik özelliklerini algılarken IMU yüksek frekansta hareket bilgisini sağlar.

Bu iki veri kaynağı birlikte işlendiğinde:

• Kamera hareketi
• İHA yönelimi
• Hız
• Göreceli konum

yüksek doğrulukla tahmin edilebilir.

VIO’nun önemli avantajı, yalnızca kameraya göre daha sağlam olmasıdır.

IMU kısa zaman aralıklarında hareket bilgisini sağlarken kamera IMU’daki drift’i düzeltmeye yardımcı olur.

Bu nedenle modern otonom robotlar ve İHA’larda VIO oldukça yaygın hale gelmiştir.

8. SLAM: İHA’nın Aynı Anda Harita Oluşturması ve Konumunu Bulması

GNSS olmadan navigasyon denildiğinde en önemli kavramlardan biri SLAM – Simultaneous Localization and Mapping’dir.

SLAM’in temel amacı iki problemi aynı anda çözmektir:

Localization: İHA nerede?

Mapping: Çevrenin haritası nasıl?

İHA bilinmeyen bir ortama girdiğinde kamera veya LiDAR ile çevresini taramaya başlar.

Örneğin İHA bir binanın içine girsin.

Başlangıçta binanın haritası yoktur.

İHA:

1. Çevresini algılar.

2. Görüntü veya LiDAR verisi toplar.

3. Özellikleri tespit eder.

4. Kendi hareketini tahmin eder.

5. Çevrenin 3B modelini oluşturmaya başlar.

6. Daha önce gördüğü bölgelere tekrar geldiğinde konumunu düzeltir.

Bu son aşama Loop Closure olarak adlandırılır.

9. Loop Closure Neden Önemlidir?

SLAM sistemlerinde en önemli problemlerden biri uzun süreli drift’tir.

İHA bir koridorda ilerlediğinde küçük konum hataları zamanla birikebilir.

Ancak İHA daha önce geçtiği koridora geri dönerse sistem:

“Ben burayı daha önce gördüm.”

diyebilir.

Önceki ve mevcut görüntü/LiDAR verileri karşılaştırılarak biriken hata düzeltilebilir.

Bu nedenle Loop Closure, uzun süreli GPS’siz navigasyonda kritik öneme sahiptir.

10. LiDAR ile GNSS’siz Navigasyon

Kameraların yeterli olmadığı durumlarda LiDAR önemli bir alternatif sunar.

LiDAR, lazer darbeleri göndererek çevredeki nesnelere olan mesafeyi ölçer.

Böylece İHA çevresinin:

3B nokta bulutu

şeklinde bir temsilini oluşturabilir.

Örneğin:

LiDAR tabanlı navigasyonda İHA:

• Duvarları
• Ağaçları
• Binaları
• Rogarları
• Kayaları
• Direkleri
• Diğer engelleri

algılayabilir.

Bu verilerden İHA’nın hareketi tahmin edilebilir.

Bu yönteme genel olarak LiDAR Odometry veya SLAM sistemlerinde LiDAR SLAM denir.

11. LiDAR SLAM ve Visual SLAM Karşılaştırması

Özellik Visual SLAM LiDAR SLAM

Sensör Kamera LiDAR

Gece performansı Sınırlı olabilir Genellikle daha iyi

Aydınlatmaya bağımlılık Yüksek Düşük

Geometrik doğruluk Ortama bağlı Yüksek

Doku gereksinimi Var Daha düşük

Sis/duman Olumsuz etkilenebilir LiDAR türüne bağlı

Maliyet Daha düşük Daha yüksek

Nokta bulutu Dolaylı Doğrudan

Haritalama Güçlü Çok güçlü

Ancak burada tek bir kazanan yoktur.

En gelişmiş sistemlerde:

Camera + LiDAR + IMU

birlikte kullanılabilir.

12. Radar Tabanlı Navigasyon

Kamera ve LiDAR’ın zorlandığı bazı ortamlarda radar kullanılabilir.

Radar elektromanyetik dalgalar kullanarak çevredeki nesnelerin:

• Mesafesini
• Hızını
• Konumunu

belirleyebilir.

Özellikle:

• Yağmur
• Sis
• Toz
• Duman
• Düşük ışık

gibi koşullarda radarın önemli avantajları olabilir.

Gelecekte özellikle afet ve askeri olmayan güvenlik uygulamalarında radar destekli navigasyonun daha fazla kullanılacağı öngörülebilir.

13. Barometre ile Yükseklik Belirleme

İHA’larda GNSS olmadan yükseklik bilgisinin belirlenmesi için barometre de kullanılabilir.

Barometre atmosfer basıncını ölçer.

Atmosfer basıncı yükseklikle değiştiği için:

Basınç → Tahmini yükseklik

ilişkisi kurulabilir.

Ancak sıcaklık, hava basıncı değişimi ve meteorolojik koşullar nedeniyle barometre mutlak yükseklik için yeterli değildir.

Bu nedenle özellikle hassas alçak irtifa uçuşlarında:

Barometre + LiDAR/altimetre

kombinasyonu tercih edilebilir.

14. Ultrasonik ve Time-of-Flight Sensörleri

Kapalı alanlarda kısa mesafeli navigasyon için ultrasonik ve ToF sensörleri kullanılabilir.

Bu sensörler özellikle:

• Duvara mesafe
• Zemine mesafe
• Engel algılama
• Hassas iniş

gibi görevlerde kullanılabilir.

Ancak menzilleri LiDAR veya radar kadar yüksek değildir.

Bu nedenle daha çok yardımcı sensör olarak değerlendirilirler.

15. Manyetometre ile Yön Belirleme

Manyetometre, Dünya’nın manyetik alanını ölçerek pusula benzeri yön bilgisi sağlayabilir.

Ancak şehir ortamlarında:

• Elektrik hatları
• Metal yapılar
• Araçlar
• Elektronik cihazlar
• Büyük çelik yapılar

manyetik alanı bozabilir.

Dolayısıyla manyetometrenin tek başına güvenilir bir navigasyon kaynağı olarak kullanılması doğru değildir.

Genellikle IMU ve diğer sensörlerle birlikte değerlendirilir.

16. Terrain Relative Navigation

GNSS olmadan navigasyonun ilginç yöntemlerinden biri de Terrain Relative Navigation (TRN)’dir.

Bu yöntemde İHA, altında bulunan araziyi algılar ve bunu daha önce bilinen bir arazi haritasıyla karşılaştırır.

Örneğin sistemde önceden oluşturulmuş bir DEM bulunabilir.

İHA:

Sensör verisi → Arazi profili → DEM karşılaştırması → Konum tahmini

işlemini gerçekleştirir.

Özellikle:

• Dağlık bölgeler
• Geniş arazi alanları
• GPS sinyalinin bulunmadığı bölgeler

için değerlendirilebilir.

17. Harita Eşleştirme

GNSS’siz navigasyonda başka bir yaklaşım da Map Matching’dir.

İHA’nın gerçek zamanlı olarak oluşturduğu görüntü veya nokta bulutu mevcut bir haritayla karşılaştırılır.

Örneğin elimizde:

• Ortofoto
• Sayısal Yükseklik Modeli
• 3B şehir modeli
• LiDAR haritası

bulunuyorsa İHA’nın sensörlerinden elde edilen veriler bu referanslarla eşleştirilebilir.

Bu nokta özellikle harita mühendisliği açısından son derece önemlidir.

Çünkü klasik navigasyon:

İHA → koordinat

yaklaşımından,

GPS’siz navigasyonda:

İHA → çevre → harita → koordinat

yaklaşımına dönüşmektedir.

18. 3B Şehir Modelleri Navigasyonda Kullanılabilir mi?

Evet.

Özellikle kentsel alanlarda yüksek doğruluklu 3B şehir modelleri önemli bir referans veri kaynağı olabilir.

Bir İHA’nın kamerasından elde edilen görüntüler:

3B bina modeli

ile karşılaştırılabilir.

Örneğin bina:

• Köşeleri
• Çatı geometrisi
• Cepheleri
• Pencere düzenleri
• Yol geometrisi

gibi özellikleriyle tanımlanabilir.

Bu yaklaşım image-to-map localization veya map-based localization yöntemlerinin temelini oluşturabilir.

Dolayısıyla gelecekte:

Tapu + Kadastro + 3B Bina Modeli + Ortofoto + LiDAR + İHA

verilerinin birlikte kullanılması, GPS’siz navigasyon için önemli bir altyapı oluşturabilir.

19. UWB ile Kapalı Alan Navigasyonu

Kapalı alanlarda GNSS’in alternatiflerinden biri de UWB (Ultra-Wideband) teknolojisidir.

Bir tesise çeşitli UWB anchor’ları yerleştirilir.

İHA üzerindeki UWB cihazı bu anchor’larla haberleşerek mesafe ölçümü yapar.

Birden fazla anchor kullanıldığında İHA’nın konumu üçgenleme/trilaterasyon yöntemleriyle hesaplanabilir.

Özellikle:

• Fabrikalar
• Depolar
• Havaalanları
• Büyük hangarlar
• Maden tesisleri

gibi kontrollü ortamlarda oldukça kullanışlıdır.

20. 5G ve Wi-Fi Tabanlı Konumlama

Gelecekte kablosuz haberleşme altyapıları da navigasyon amacıyla kullanılabilir.

Wi-Fi ve 5G baz istasyonlarından alınan:

• Sinyal gücü
• Geliş açısı
• Zaman farkı
• Kanal bilgileri

gibi veriler konum tahmininde kullanılabilir.

Ancak bu yöntemler ortamın altyapısına bağımlıdır.

Bu nedenle tamamen bağımsız bir navigasyon sistemi yerine yardımcı konumlama kaynağı olarak değerlendirilir.

21. Sensör Füzyonu: Asıl Çözüm

GNSS’siz İHA navigasyonunda en güçlü yaklaşım genellikle tek bir sensöre güvenmek değildir.

Bunun yerine farklı sensörlerin verileri birleştirilir.

Örneğin:

IMU + Kamera + LiDAR + Barometre

veya:

IMU + Kamera + LiDAR + GNSS

gibi sistemler oluşturulabilir.

Bu işlem için:

• Kalman Filter
• Extended Kalman Filter (EKF)
• Unscented Kalman Filter (UKF)
• Factor Graph
• Non-linear Optimization

gibi yöntemler kullanılabilir.

Amaç her sensörün güçlü olduğu yönlerden faydalanmak ve zayıf olduğu yönleri diğer sensörlerle telafi etmektir.

22. EKF ile Sensör Füzyonu

İHA otopilotlarında yaygın kullanılan yöntemlerden biri Extended Kalman Filter (EKF)’dir.

Örneğin:

IMU, İHA’nın hareketini yüksek frekansta tahmin eder.

Kamera, göreceli hareket bilgisi sağlar.

LiDAR, çevrenin geometrisini sağlar.

Barometre yükseklik bilgisini destekler.

GNSS mevcutsa mutlak konumu sağlar.

EKF bütün bu ölçümleri değerlendirerek İHA’nın en olası:

• Konumunu
• Hızını
• Yönelimini

hesaplar.

GPS kaybolduğunda GNSS ölçümü sistemden çıkar ve diğer sensörler navigasyonu sürdürür.

23. GPNSS’siz Navigasyonun En Güçlü Yaklaşımı: Çoklu Sensör

Gerçek anlamda dayanıklı bir sistem için şu mimari düşünülebilir:

Sensör Katmanı

IMU

↓

Stereo/Monocular Camera

↓

LiDAR

↓

Radar

↓

Barometre

↓

Magnetometer

↓

UWB / RF

↓

Algılama ve Konumlama

Visual Odometry

LiDAR Odometry

Visual-Inertial Odometry

SLAM

Terrain Matching

↓

Sensör Füzyonu

EKF / Factor Graph

↓

Navigasyon

Path Planning

↓

Kontrol

Flight Controller

Bu mimari sayesinde tek bir sensörün kaybedilmesi sistemin tamamen devre dışı kalmasını engelleyebilir.

24. GNSS’siz Navigasyonda Yapay Zekâ

Son yıllarda yapay zekâ tabanlı yöntemler de navigasyona girmeye başlamıştır.

Deep Learning kullanılarak:

• Görüntü özelliklerinin tanınması
• Nesne tespiti
• Görüntü eşleştirme
• Semantik haritalama
• Arazi sınıflandırması
• Engel algılama
• Görsel konumlama

yapılabilir.

Örneğin İHA kamerası bir görüntü aldığında yapay zekâ:

“Bu bina daha önce oluşturulan haritanın şu bölgesine benziyor.”

şeklinde bir konum tahmini yapabilir.

Ancak yapay zekâ tek başına navigasyon çözümü değildir.

En başarılı sistemler genellikle:

AI + Computer Vision + SLAM + IMU + LiDAR + Sensor Fusion

kombinasyonuna dayanır.

25. Afetlerde GNSS’siz İHA Navigasyonu

GNSS’siz navigasyonun en önemli uygulama alanlarından biri afet yönetimidir.

Deprem, sel, heyelan veya yangın sonrasında:

• GNSS altyapısı zarar görebilir.
• Haberleşme kesilebilir.
• GPS karıştırılabilir.
• Görüş koşulları kötüleşebilir.
• Binalar ve arazi değişebilir.

Bu durumda İHA’nın bağımsız hareket edebilmesi kritik hale gelir.

Örneğin deprem bölgesinde:

LiDAR + Kamera + IMU

kullanılarak enkaz alanının 3B modeli oluşturulabilir.

İHA bu modeli gerçek zamanlı olarak kullanarak:

• Engel algılayabilir.
• Dar alanlardan geçebilir.
• Daha önce uçtuğu bölgelere geri dönebilir.
• Görev alanını otonom olarak tarayabilir.

26. Yangın ve Orman Alanlarında Navigasyon

Orman yangınlarında GNSS destekli İHA’lar yaygın olarak kullanılmaktadır.

Ancak yoğun duman, yüksek sıcaklık, görüş kaybı ve GPS karıştırma riski gibi faktörler alternatif navigasyon yöntemlerini önemli hale getirmektedir.

Bu tür görevlerde:

Thermal Camera + LiDAR + IMU + Visual Navigation

kombinasyonu özellikle değerlidir.

Termal kamera yangın noktalarını belirlerken LiDAR çevrenin geometrisini, IMU hareketi ve görsel sistem çevresel özellikleri takip edebilir.

Bu sistemlerin birlikte çalışması İHA’nın yangın bölgesinde daha güvenli hareket etmesini sağlayabilir.

27. Ormanlık Alanlarda GNSS Olmadan Navigasyon

Yoğun ormanlarda kamera tabanlı navigasyon bazı sorunlarla karşılaşabilir.

Ağaçların birbirine benzer olması nedeniyle görüntü eşleştirme zorlaşabilir.

LiDAR burada önemli avantaj sağlar.

LiDAR:

• Ağaç gövdelerini
• Dalları
• Zemini
• Açıklıkları

3B olarak algılayabilir.

Bu nedenle LiDAR SLAM + IMU özellikle ormanlık alanlarda güçlü bir GPS’siz navigasyon çözümü olabilir.

28. Yeraltı ve Madenlerde Navigasyon

Yeraltı ortamlarında GNSS bulunmadığı için alternatif navigasyon zorunludur.

Madenlerde:

• LiDAR SLAM
• IMU
• UWB
• Radar
• Visual Odometry

birlikte kullanılabilir.

Özellikle maden galerilerinin önceden LiDAR ile haritalanması halinde İHA’nın gerçek zamanlı LiDAR verisi mevcut haritayla karşılaştırılarak konumu bulunabilir.

Bu yaklaşım:

Önceden oluşturulmuş harita + gerçek zamanlı LiDAR

mantığına dayanır.

29. GNSS’siz Navigasyonda Karşılaşılan Temel Sorunlar

GNSS’siz navigasyon çok güçlü olmakla birlikte mükemmel değildir.

Drift

IMU ve odometry hataları zaman içinde birikir.

Textureless Environment

Beyaz duvar veya düz beton zemin gibi özelliksiz yüzeyler kamera tabanlı sistemleri zorlayabilir.

Dynamic Objects

Araçlar, insanlar ve hareketli nesneler SLAM algoritmalarını yanıltabilir.

Düşük Işık

Görsel navigasyon sistemlerinin performansı düşebilir.

Toz ve Duman

Kamera ve LiDAR sistemlerini etkileyebilir.

Computational Load

Gerçek zamanlı SLAM ve yapay zekâ ciddi işlem gücü gerektirebilir.

Sensor Failure

Bir sensörün arızalanması bütün navigasyon çözümünü etkileyebilir.

Bu nedenle redundancy yani yedeklilik kritik öneme sahiptir.

30. Geleceğin İHA Navigasyonu

İHA navigasyonunda gelecek yalnızca daha iyi GNSS alıcıları geliştirmek değildir.

Asıl yönelim:

GNSS-independent navigation

yani GNSS’den bağımsız navigasyon sistemleridir.

Geleceğin İHA’sında şu sensörlerin birlikte bulunması beklenebilir:

GNSS

• ●

IMU

• ●

LiDAR

• ●

Stereo Camera

• ●

Thermal Camera

• ●

Radar

• ●

Barometer

• ●

UWB

• ●

AI

Bu sistemlerin tamamı gerçek zamanlı sensör füzyonu ile birleştirildiğinde İHA, GPS olmasa bile çevresini algılayarak uçabilir.

31. Harita Mühendisliği Açısından Yeni Bir Perspektif

GNSS’siz İHA navigasyonu aslında yalnızca bir drone teknolojisi değildir.

Bu konu doğrudan harita üretimi ve konum bilgisinin geleceği ile ilgilidir.

Geleneksel yaklaşımda:

GNSS → Koordinat → Harita

ilişkisi kurulurken, yeni yaklaşım:

Sensörler → Çevresel algılama → 3B Harita → Konum → Navigasyon

şeklinde gelişmektedir.

Burada yüksek doğruluklu:

• Ortofoto
• DSM
• DTM
• LiDAR nokta bulutu
• 3B şehir modelleri
• Bina modelleri
• Yol verileri
• Kadastro verileri

navigasyonun bir parçası haline gelebilir.

Bu nedenle gelecekte geospatial data yalnızca harita üretmek için değil, makinelerin kendi konumlarını bulabilmesi için de kullanılacaktır.

32. Sonuç

GNSS’siz İHA navigasyonu, tek bir sensör veya algoritmadan oluşan bir teknoloji değildir.

Başarılı bir GNSS-denied navigasyon sistemi;

IMU + Kamera + LiDAR + Radar + Harita + Yapay Zekâ + Sensör Füzyonu

gibi birçok teknolojinin birlikte çalışmasını gerektirir.

Özellikle:

• VIO
• Visual SLAM
• LiDAR SLAM
• Terrain Relative Navigation
• Map Matching
• UWB positioning
• Radar navigation

gibi yöntemler GPS’in bulunmadığı ortamlarda önemli alternatifler sunmaktadır.

Geleceğin otonom İHA’ları için kritik yetenek artık sadece “GPS ile nerede olduğumu bilmek” olmayacaktır.

Asıl kritik yetenek:

“GNSS olmadan çevremi algılayarak nerede olduğumu anlayabilmek.”

Bu dönüşüm, İHA teknolojisinin yanı sıra harita mühendisliği, fotogrametri, uzaktan algılama, LiDAR, 3B şehir modelleri ve coğrafi bilgi sistemlerinin de rolünü değiştirecektir.

Özellikle afet yönetimi, güvenlik, madencilik, orman yangınları, kapalı alanlar ve kritik altyapı denetimleri gibi alanlarda GNSS’den bağımsız navigasyon, önümüzdeki yıllarda İHA teknolojisinin en önemli gelişim alanlarından biri olacaktır.

Harita artık yalnızca insanın okuyacağı bir ürün değil; otonom sistemlerin kendi konumlarını bulmak için kullandığı bir navigasyon altyapısı haline gelmektedir.