Aerovista AI
GPS yokken bile nerede olduğunu bilen, gördüğü her insanı, aracı ve iniş alanını anında yakalayan yapay zekâ. Drone ve uçan araçlar için %94 başarıyla çalışan gerçek zamanlı görüş sistemi.
Ürün Hakkında
Gökyüzünden bakan, anında karar veren yapay zekâ.
Bir uçan araç şehrin 100 metre üzerinde ilerliyor. Aşağıda kalabalık bir meydan, park etmiş araçlar ve bir ambulans iniş platformu var. Aerovista AI saniyenin onda birinden kısa bir sürede bu sahnedeki her insanı, her aracı ve her iniş alanını görüyor, tanıyor ve iniş alanının güvenli olup olmadığına karar veriyor. Testlerde %94 genel başarıya ulaştı.
Aerovista AI, uçan arabalar, drone'lar ve insansız hava araçları için geliştirdiğimiz uçtan uca bir bilgisayarlı görü sistemi. İki kritik işi tek bir platformda, aynı anda ve gerçek zamanlı yapıyor: nesne tespiti ve GPS'siz konum kestirimi.
1. Gerçek zamanlı nesne tespiti
Sistem dört sınıfı yüksek doğrulukla tanır: insanlar, taşıtlar, uçan araba park alanları (UAP) ve uçan ambulans iniş alanları (UAİ). Geliştirdiğimiz yüksek çözünürlüklü çoklu pencere tarama yöntemi sayesinde, geniş açılı kamerada yalnızca birkaç piksel büyüklüğünde görünen uzaktaki bir yaya bile gözden kaçmaz.
2. Otomatik iniş güvenliği analizi
Sistem bir iniş alanı bulduğunda işi bitmez. Alanın sınırları içinde insan ya da araç olup olmadığını otomatik olarak kontrol eder ve alanı anında "inişe uygun" ya da "inişe uygun değil" olarak işaretler. Operatör tahmin yürütmez, kararı ekranda hazır bulur. Acil iniş gereken durumlarda bu, saniyeler kazandırır.
3. GPS kesildiğinde bile yolunu kaybetmez
Çoğu hava aracı GPS sinyali gidince kör kalır. Aerovista AI, yalnızca kamera görüntüsüne bakarak aracın x, y ve z eksenlerindeki hareketini hesaplar. Ardışık kareler arasındaki her pikselin hareketini analiz eden optik akış teknolojisi, aracın nereye ve ne kadar gittiğini ölçer. Sahnedeki yürüyen insanlar ve hareket eden araçlar hesaptan ayıklandığı için ölçüm, aracın kendi hareketini yansıtır. Kapalı alanlarda, sinyalin karıştırıldığı bölgelerde ya da yüksek binalar arasında sistem konumunu bilmeye devam eder.
4. Operatör için tasarlanmış arayüz
Canlı kamera görüntüsünün üzerine artırılmış gerçeklik katmanı olarak bindirilen ızgara, koordinat eksenleri ve hareket vektörleri, aracın gerçek hareketini anbean gösterir. Tespit edilen nesneler ve iniş alanlarının durumu aynı ekranda görünür. Karmaşık veriler, tek bakışta anlaşılan bir görüntüye dönüşür.
5. Kesintisiz performans
Nesne tespiti ve konum hesaplaması GPU üzerinde paralel çalışır. Kendi geliştirdiğimiz akıllı zamanlayıcı, sistem yükünü sürekli izler. Yük arttığında kaynakları anlık olarak yeniden dağıtır ve önceliği kritik göreve verir. Böylece 720p canlı video, uçtan uca yaklaşık 15 FPS hızında işlenir.
Kimler için?
-
Uçan ambulans ve acil müdahale: Güvenli iniş noktasının saniyeler içinde belirlenmesi
-
Arama kurtarma: Geniş alanlarda insanların havadan hızla tespit edilmesi
-
Sınır ve tesis güvenliği: İnsan ve araç hareketlerinin sürekli izlenmesi
-
Akıllı şehirler: Trafik ve kalabalık yoğunluğunun havadan takibi
-
Otonom teslimat ve hava taksi: GPS'e bağımlı olmayan güvenli navigasyon
Bu sistem, Baykar'ın uçan arabası Cezeri için geliştirilmiştir.
Zorluk
Havadan bakınca bir insan birkaç pikselden ibaret. Geniş açılı drone kameralarında uzaktaki bir yaya neredeyse görünmez olur. 16:9 oranındaki görüntülerde küçük nesneler kaybolur, standart modeller onları gözden kaçırır.
Koşullar sürekli değişir. Gündüz, gece, sis, yağmur ve alacakaranlık aynı modelden aynı başarıyı bekler. Ancak gerçek dünyada bu koşullara ait etiketli veri bulmak çok zordur.
Kritik sınıflar nadirdir. Uçan araba park alanları ve ambulans iniş platformları gerçek hayatta az sayıda bulunur. Model bunları öğrenecek kadar örnek görmezse, boyalı bir şirket logosunu bile iniş alanı sanabilir.
GPS her zaman yanınızda değildir. Sinyal kesildiğinde ya da karıştırıldığında hava aracının nerede olduğunu yalnızca görüntüyle bilmesi gerekir. Küçük hatalar birikir ve konum zamanla kayar. Hareket eden insanlar ve araçlar da ölçümü yanıltır.
Ve bunların hepsinin, uçuş sırasında gerçek zamanlı ve tek bir kare bile kaçırmadan çözülmesi gerekiyordu.
Çözüm
Kaçırmayan göz: özelleştirilmiş YOLOv8
Nesne tespiti için en güncel YOLO mimarisi olan YOLOv8'i seçtik ve insan, araç, park alanı ve ambulans iniş alanı olmak üzere dört sınıf için özel olarak eğittik. Çıpa kutusu kullanmayan yapısı küçük nesnelerde yüksek başarı sağlıyor. Görüntüleri kare formata getirip yüksek çözünürlüklü çoklu pencere taramasıyla işleyen yöntemimiz, uzaktaki yayaları kaçırma sorununu büyük ölçüde çözdü.
GPS'siz navigasyon: PWC-Net ve görsel odometri
Konum kestirimi için optik akış alanında öne çıkan PWC-Net modelini kullandık. Model, ardışık iki karedeki her pikselin hareketini hesaplıyor. Kamera parametreleri ve irtifa bilgisiyle bu hareketi metre cinsinden gerçek yer değiştirmeye çeviriyoruz. YOLOv8'in tespit ettiği hareketli insan ve araçları hesaptan çıkararak yanıltıcı vektörleri filtreliyoruz.
30.000+ görüntülük veri altyapısı
-
DOTA: Farklı yükseklik ve açılardan çekilmiş yüksek çözünürlüklü hava görüntüleri
-
VisDrone: Gerçek drone uçuşlarından 10.000'den fazla görüntü
-
Kendi uçuşlarımız: Elle etiketlediğimiz 10.000'den fazla özgün görüntü
-
Sentetik veri: Simülasyon ortamında ürettiğimiz, gece, sis ve acil iniş gibi nadir senaryoları kapsayan yaklaşık 20.000 görüntü
Kendini geliştiren eğitim
Klasik veri artırma yöntemlerinin ötesine geçtik. Geliştirdiğimiz dinamik artırma yaklaşımında model, eğitim sırasında zorlandığı koşulları (yağmur, alacakaranlık, düşük ışık) fark ediyor ve sistem o koşullar için anında yeni veri üretiyor. Aşamalı ince ayar ile model önce genel özellikleri, sonra zor örnekleri öğreniyor. Nadir sınıfların her eğitim grubunda yer almasını sağlayan dengeli örnekleme sayesinde iniş alanları unutulmuyor.
Akıllı ve kesintisiz mimari
Tespit ve konum hesaplaması GPU üzerinde paralel iş parçacıklarında çalışıyor. Kendi geliştirdiğimiz akıllı zamanlayıcı, gecikme birikmeye başladığında optik akışı iki karede bire indiriyor ve kaynakları tespit modeline aktarıyor. Sistem hiçbir koşulda donmuyor.
-
Sonuç
-
%94 genel başarı
-
Tespit doğruluğu (mAP): araç %95, insan %92, ambulans iniş alanı %90, park alanı %88
-
GPS'siz konum kestirimi: 50 metrelik düz uçuşta en fazla %4, dönüşlü 100 metrelik rotada yaklaşık %7 sapma
-
Hız: YOLOv8 20-30 FPS, PWC-Net 20-25 FPS, 720p canlı videoda uçtan uca yaklaşık 15 FPS
-
Küçük nesne tespiti: Uzaktaki yayaları kaçırma sorunu büyük ölçüde ortadan kalktı
-
Yanlış alarmlar azaltıldı: Logo ve işaretleri iniş alanı sanma hataları, hedefli veriyle yeniden eğitimle giderildi
Yol haritası: IMU sensör füzyonu ile uzun uçuşlarda konum hassasiyetinin artırılması, termal kamera entegrasyonu ile gece performansının yükseltilmesi.
-
