Insansiz Hava Araçlari Için Düsük Bütçeli INS/GNSS Sistemi Entegrasyonunda Genisletilmis Kalman Filtresi (EKF) ve Kokusuz Kalman Filtresi (UKF) Yöntemlerinin Karsilastirilmasi
Yazar :
Ahmet İlvan, Bülent Bostancı
Özet :
İnsansız Hava Aracı (İHA) alanında, son yıllarda ki teknolojik gelişmelere paralel olarak, kullanım kolaylığı, zaman tasarrufu, düşük maliyetli çözümler sunması ve gerekli şartlar sağlandığında yeterli hassasiyette ürünler sunması gibi birçok alanda gelişmeler meydana gelmiştir. Bu gelişmelerden dolayı da çok fazla disiplinler tarafından yaygın olarak kullanılmaktadır. Harita mühendisliği de bu disiplinler arasında ciddi bir pay sahibi olmuştur. Buna bağlı olarak son zamanlarda İHA ile üretilen harita ürünlerinin doğruluklarını irdeleyen çok sayıda akademik çalışmalar yapılmaktadır. İHA ile harita üretiminde, Doğrudan Coğrafi Konumlandırma yöntemi gibi kamera dış yöneltme elemanlarının (X0,Y0,Z0 ω,φ,К) değerlerine doğrudan ihtiyaç duyan bir yöntem ile üretilen harita ürünlerinin doğruluğunu önemli ölçüde etkileyen ve resim çekme anındaki koordinatlarını ve dönüklük açı değerlerinin ölçümlerini veren INS/GNSS bütünleşme sisteminin verilerinin füzyonunu ve optimizasyonunu gerçekleştiren tekniklerden yaygın olarak Genişletilmiş Kalman Filtresi (Extended Kalman Filter EKF) ve Kokusuz Kalman Filtresi (Unscented Kalman Filter UKF) yöntemleri kullanılmaktadır. Bu konuda her ne kadar Real Time Kinematic (RTK) ve Post Processing Kinematic (PPK) gibi yöntemler konum hassasiyeti problemini büyük ölçüde çözmüş olsa da dönüklük verilerinin hassasiyeti konusunda araştırmalara ihtiyaç vardır. Bu çalışmada düşük bütçeli INS/GNSS sistemi bütünleşmesinin optimizasyonunda kullanılan EKF ve UKF yöntemlerinin kıyaslaması ile ilgili bir çalışma yapılmıştır. Çalışmada kullanılan GNSS ve INS veri setleri, MATLAB yazılımı ortamında benzetim tabanlı olarak üretilmiş ve hesaplamalar da aynı yazılım içerisinde yapılmıştır. Yapılan çalışma sonucunda, her ne kadar UKF yönteminin hesap yükü fazla olsa da EKF yöntemine göre biraz daha iyi performans sergilediği gözlemlenmiştir.
Anahtar Kelimeler :
İnsansız Hava Aracı, INS-GNSS bütünleşmesi, Genişletilmiş Kalman Filtresi, Kokusuz Kalman Filtresi
Kaynak :
1. Rabah, M., Ghanem, E., Ehadary, A., (2018). Using RTK and VRS in Direct Geo-referencing of the UAV Imagery. NRIAG Journal of Astronomy and Geophysics.
2. Chiang, K.W., INS/GPS Integration Using Neural Networks for Land Vehicular Navigation Application, Ph.D. Thesis, University of Calgary, Alberta, Canada, 2004. Ahmet İlvan, Bülent Bostancı
3. Beşdok, E., Özçelik, A.E., (2009). Kalman Filtreleme Yöntemiyle Otonom Hava Araç Navigasyonunda GPS/INS Entegrasyonu. TMMOB Harita ve Kadastro Mühendisleri Odası, 12. Türkiye Harita Bilimsel ve Teknik Kurultayı, 11-15 Mayıs 2009, Ankara
4. Kocaman, S., GPS and INS Integration with Kalman Filtering for Direct Georeferencing of Airborne Imagery, Geodetic Seminar Report, ETH Hönggerberg, Zurich, 2003.
5. Kubrak, D., Hybridisation of a GPS Receiver with Low-Cost Sensors for Personal Positioning in Urban Environment, Ph.D. Thesis, Telecom Paris, 2007.
6. Özçelik A. E., 2009. “Kalman Filtreleme Yöntemi Kullanılarak GPS/INS Veri Entegrasyonu”, Yüksek Lisans Tezi, Erciyes Üniversitesi Fen Bilimleri Enstitüsü, Kayseri.
7. Karaim , M., Ultra-tight GPS/INS Integrated System for Land Vehicle Navigation in Challenging Environments, Ph.D. Thesis, University of Queen’s, Ontario, Canada, 2019.
8. C. K. Chui, G. Chen et al., Kalman Filtering: With Real-time Applications. Springer,
9. Shrotriya, A. “Robot path planning and tracking of a moving target using kalman filter,” Ph.D. dissertation, Calfornia State University, 2010.
10. İnce, C.D., Dinamik Sistemlerin GPS ve Kalman Filtresi ile Anlık Olarak İzlenmesi, Doktora Tezi, İstanbul Teknik Üniversitesi, İstanbul, 1999.
11. Welch, G., Bishop, G., An Introduction to the Kalman Filter, University of North Carolina at Chapel Hill, ACM Inc. Publication, Los Angeles, 2001.
12. Zhou, J., Low-cost MEMS-INS/GPS Integration using Nonlinear Filtering Approaches , Ph.D. Thesis, University of Siegen, Germany, 2013.
Dosya :