Görsel SLAM (Eşzamanlı Konum Belirleme ve Haritalama)

Görsel SLAM (Eşzamanlı Konum Belirleme ve Haritalama), bir robot veya mobil cihaz gibi bir ajanın, sadece kamera girdilerini kullanarak bilinmeyen bir ortamı eşzamanlı olarak haritalandırmasını ve o alan içindeki kendi konumunu belirlemesini sağlayan temel bir bilgisayar görme tekniğidir. Pahalı lazer sensörlerine dayanan geleneksel SLAM sistemlerinden farklı olarak, Görsel SLAM standart monoküler, stereo veya RGB-D kameraları kullanır. Sistem, ardışık görüntü kareleri arasında görsel özellikleri ayıklayıp izleyerek, kameranın yörüngesini hesaplarken aynı zamanda çevresinin 3B nokta bulutunu veya yoğun haritasını aşamalı olarak oluşturur. Bu teknoloji, makinelerde otonom navigasyon ve uzamsal farkındalığı mümkün kılmak için temel bir öneme sahiptir.

Görsel SLAM Nasıl Çalışır?

Tipik bir Görsel SLAM iş akışı iki ana bileşenden oluşur: ön uç ve arka uç. Ön uç, sensör verilerini işleyerek görsel özellik çıkarma işlemini gerçekleştirir (belirgin köşeleri veya kenarları tanımlar) ve bu özellikleri kare arasında eşleştirerek zaman içindeki kamera hareketini tahmin eder. Arka uç, bu odometri verilerini alır ve sapmayı düzeltmek ve hem ortam haritasını hem de kameranın tahmin edilen konumunu iyileştirmek için demet ayarlaması gibi optimizasyon algoritmaları uygular.

2024 ve 2025 yıllarında kaydedilen son gelişmeler, paradigmayı ORB-SLAM3gibi eski çerçevelerde kullanılanlar gibi geleneksel el yapımı özelliklerden derin öğrenme yaklaşımlarına kaydırmıştır. Modern sistemler artık yoğun optik akış ve özellik eşleştirme için sinir ağlarını kullanıyor ve bu da onları hareket bulanıklığına ve düşük dokulu ortamlara karşı oldukça dayanıklı hale getiriyor. Ayrıca, 3D Gaussian Splatting ve Neural Radiance Fields (NeRFs) teknolojilerini içeren yeni görüntüleme teknikleri, karmaşık geometrik detayları standart nokta bulutlarından çok daha iyi yakalayan gerçek zamanlı, fotogerçekçi yoğun haritalama imkanı sunuyor.

Görsel SLAM, LiDAR SLAM ve Nesne Takibi

Haritalama ve izleme teknolojileri arasındaki farkları anlamak, doğru çözümü uygulamaya koymak için çok önemlidir:

• Görsel SLAM ve LiDAR SLAM: Görsel SLAM, zengin görsel dokuları algılamak için uygun fiyatlı kamera sensörlerine dayanırken, LiDAR SLAM fiziksel mesafeleri doğru bir şekilde ölçmek için lazer ışınlarını kullanır. LiDAR son derece hassastır ancak pahalıdır ve çok fazla güç tüketir; buna karşılık Görsel SLAM, maliyet açısından verimlidir ve renk bilgisi sağlar, ancak zayıf aydınlatma koşullarında zorlanabilir.
• Görsel SLAM ve Nesne Takibi: Nesne takibi, video kareleri boyunca belirli nesneleri ayırt eder ve hareketlerini takip eder. Görsel SLAM ise buna karşılık, bir harita oluşturmak için kameranın sabit ortama göre hareketini izler. Ancak bu iki kavram, Semantik SLAM’da birleşir; burada nesne algılama modelleri dinamik nesneleri tespit eder ve bunları sabit haritadan kasıtlı olarak hariç tutar.

Gerçek Dünya Uygulamaları

Görsel SLAM, modern yapay zeka ajanlarına ve mekânsal bilgi işlem sistemlerine derinlemesine entegre edilmiştir.

• Robotik ve Otonom İnsansız Hava Araçları: Teslimat robotları ve insansız hava araçları, depolar veya yoğun kentsel alanlar gibi GPS sinyalinin ulaşmadığı ortamlarda yol bulmak için Görsel SLAM teknolojisini kullanır. Gerçek zamanlı haritalar oluşturarak, otonom bir şekilde rota planlayabilir ve engelleri önleyebilirler.
• Artırılmış Gerçeklik (AR) ve Sanal Gerçeklik (VR): Ticari akıllı gözlükler, bir odanın geometrisini anlamak için büyük ölçüde Görsel SLAM teknolojisine dayanır. Bu sayede AR sistemleri, sanal monitör gibi dijital nesneleri fiziksel yüzeylere doğru bir şekilde sabitleyebilir ve böylece kullanıcı hareket ederken bu nesneler sabit kalır.
• Yardımcı Navigasyon Sistemleri: Derin öğrenme temelli anlamsal SLAM alanındaki son gelişmeler, görme engelli kişiler için giyilebilir navigasyon yardımcıları geliştirmek amacıyla kullanılıyor ve dinamik fiziksel engellerin etrafında güvenli, gerçek zamanlı rota belirleme imkanı sunuyor.

Anlamsal SLAM ve YOLO26 Entegrasyonu

Görsel SLAM'da karşılaşılan en büyük zorluklardan biri, hareketli nesnelerin haritayı bozduğu dinamik ortamlarla başa çıkmaktır. Anlamsal SLAM, geleneksel SLAM iş akışını yüksek hızlı görüntü işleme modelleriyle birleştirerek bu sorunu çözer. Örneğin, nesne segmentasyonu veya algılama için Ultralytics kullanarak, sistem sahneyi anlamsal olarak etiketleyebilir ve hareketli nesneleri filtreleyebilir; böylece konum belirleme doğruluğunu önemli ölçüde artırır.

Aşağıdaki kod bloğu, YOLO26'yı kullanarak dinamik nesnelerin (insanlar ve arabalar gibi) koordinatlarını belirlemeyi ve böylece bunların SLAM özellik eşleştirme motoru tarafından açıkça göz ardı edilmesini sağlama yöntemini göstermektedir:

from ultralytics import YOLO

# Load Ultralytics YOLO26 to detect dynamic objects in the scene
model = YOLO("yolo26n.pt")
results = model("robot_camera_view.jpg")

# Extract bounding boxes of dynamic objects to exclude them from SLAM maps
for box in results[0].boxes:
    if int(box.cls) in [0, 2]:  # Example: Class 0 is person, Class 2 is car
        print(f"Ignore dynamic feature region at coordinates: {box.xyxy[0]}")

NVIDIA gibi modern uç yapay zeka donanımlarından yararlanarak ve Ultralytics aracılığıyla modelleri entegre ederek, geliştiriciler hafif görsel algılama algoritmalarını doğrudan SLAM iş akışlarının yanında eğitebilir ve devreye alabilir. Otonom haritalama mimarilerini daha ayrıntılı incelemek için, IEEE Xplore veya arXiv’deki güncel literatüre göz atın ve Ultralytics sürekli görsel algılama iş akışlarını nasıl optimize edebileceğinizi öğrenin.