Derin öğrenme kullanarak iha ile hareketli bir hedefin otonom olarak yakalanması

Abstract

İnsansız hava araçları yüksek manevra kabiliyeti ve havada asılı kalma yeteneği ile yaygın olarak kullanılır hale gelmiştir. Günümüzde askeri alanda sıklıkla kullanılır hale gelmiş olan İHA'lar yardımıyla kamikaze dalışları ve mühimmat konuşlandırması gerçekleştirilmektedir. Hareketli bir nesneyi İHA ile yakalamayı hedefleyen bu projede literatürde daha önce gerçekleştirilmiş çalışmalardan farklı olarak İHA uçuş modundayken hedef tespitini görüntü işleme teknikleri yerine derin öğrenmek teknikleriyle gerçekleştirmek, bu iki tekniğin karşılaştırması ve sonuçlarını ortaya koymak amaçlanmıştır. Araç belirli bir irtifada hedefi tanımlar ve akabinde 3 eksende takibini gerçekleştirerek hedefe doğru alçalır. Simülasyon ortamında gerçekleştirilen testlere göre derin öğrenme teknikleri hedefi tanımlama konusunda geçmiş çalışmalarda kullanılan yöntemlere göre daha isabetli olmaktadır. Simülasyon ortamı dışında henüz test gerçekleştirilememişse de simülasyon ortamında tatmin edici sonuçlar ortaya koyulmuştur.

Unmanned aerial vehicles (UAVs) have found increasingly wide application due to their high maneuverability and remarkable ability to stay motionless while airborne. Munition deployment and kamikaze diving missions are two of the many modern use cases of UAVs in military operations. One aspect that sets this study apart from those in the past is that target identification during flight mode was done using only deep learning techniques, as opposed to image processing techniques, where the aim was to compare and assess the performance of the two different approaches. The target is identified from a certain altitude and tracked down in all three axes as the UAV performs controlled descent. According to tests performed in a computer simulation environment, the employed deep learning technique has achieved higher accuracy in target identification than techniques employed in earlier studies. Although no physical testing has been done as part of this study, satisfactory results have been attained within the simulation environment.