Visual SLAM (Simultaneous Localization and Mapping)

Görsel SLAM (Eşzamanlı Konum Belirleme ve Haritalama), temel bir bilgisayarlı görü tekniğidir. Robot veya mobil cihaz gibi bir aracının, yalnızca kamera girdilerini kullanarak bilinmeyen bir ortamın haritasını eşzamanlı biçimde çıkarmasını ve bu ortam içindeki kendi konumunu belirlemesini sağlar. Pahalı lazer sensörlere dayanan geleneksel SLAM sistemlerinden farklı olarak Görsel SLAM, standart monoküler, stereo veya RGB-D kameralardan yararlanır. Ardışık görüntü karelerindeki görsel özellikleri çıkarıp izleyerek sistem, kameranın yörüngesini hesaplar ve çevrenin 3B nokta bulutunu veya yoğun haritasını kademeli olarak oluşturur. Bu teknoloji, makinelerin otonom gezinme ve uzamsal farkındalık kazanmasının temelini oluşturur.

Görsel SLAM Nasıl Çalışır#

Tipik bir Görsel SLAM işlem hattı, ön uç ve arka uç olmak üzere iki ana bileşenden oluşur. Ön uç, sensör verilerini işler; görsel özellikleri çıkarır (belirgin köşeleri veya kenarları belirler) ve kameranın zaman içindeki hareketini tahmin etmek için kareler arasındaki bu özellikleri eşleştirir. Arka uç, bu odometri verilerini alır ve sürüklenmeyi düzeltip hem ortam haritasını hem de kameranın tahmini pozunu iyileştirmek için optimizasyon algoritmaları ve demet ayarlama gibi yöntemleri uygular.

2024 ve 2025'teki son atılımlar, paradigmayı ORB-SLAM3 gibi eski nesil çerçevelerde kullanılan geleneksel, elle tasarlanmış özelliklerden derin öğrenme yaklaşımlarına kaydırdı. Modern sistemler artık yoğun optik akış ve özellik eşleştirme için sinir ağlarından yararlanıyor; bu da sistemleri hareket bulanıklığına ve düşük dokulu ortamlara karşı son derece dayanıklı hâle getiriyor. Ayrıca, 3D Gauss Sıçratma ve Nöral Radyans Alanları (NeRFs) kullanan yeni işleme teknikleri, standart nokta bulutlarına kıyasla karmaşık geometrik ayrıntıları çok daha iyi yakalayan gerçek zamanlı, fotogerçekçi yoğun haritalamayı mümkün kılıyor.

Görsel SLAM ve LiDAR SLAM ile Nesne Takibi Karşılaştırması#

Doğru çözümü devreye almak için haritalama ve takip teknolojileri arasındaki farkları anlamak önemlidir:

• Görsel SLAM ve LiDAR SLAM karşılaştırması: Görsel SLAM zengin görsel dokuları algılamak için ucuz kamera sensörlerinden yararlanırken LiDAR SLAM, fiziksel mesafeleri doğru biçimde ölçmek için lazer ışınları kullanır. LiDAR çok doğrudur ancak pahalıdır ve yüksek güç tüketir; Görsel SLAM ise uygun maliyetlidir ve renk bilgisi sağlar, ancak yetersiz aydınlatma koşullarında zorlanabilir.
• Görsel SLAM ve Nesne Takibi karşılaştırması: Nesne takibi, video karelerinde belirli öğeleri yalıtır ve hareketlerini izler. Görsel SLAM ise harita oluşturmak için kameranın sabit ortama göre hareketini izler. Ancak Semantik SLAM'de bu iki kavram birleşir; nesne algılama modelleri, dinamik nesneleri belirleyerek bunları sabit haritadan bilinçli biçimde çıkarır.

Gerçek Dünya Uygulamaları#

Görsel SLAM, modern yapay zekâ aracıları ve uzamsal bilişim sistemleriyle yakından bütünleşmiştir.

• Robotik ve Otonom Dronlar: Teslimat robotları ve dronlar, depolar veya yoğun şehir kanyonları gibi GPS'in kullanılamadığı ortamlarda gezinmek için Görsel SLAM kullanır. Gerçek zamanlı haritalar oluşturarak kendi kendilerine rota planlayabilir ve engellerden kaçınabilirler.
• Artırılmış Gerçeklik (AR) ve Sanal Gerçeklik (VR): Ticari akıllı gözlükler, bir odanın geometrisini anlamak için büyük ölçüde Görsel SLAM'e dayanır. Bu sayede AR sistemleri, sanal bir monitör gibi dijital nesneleri fiziksel yüzeylere doğru biçimde sabitleyebilir ve kullanıcı hareket ettikçe nesnelerin sabit kalmasını sağlayabilir.
• Destekleyici Navigasyon Sistemleri: Derin öğrenmeyle güçlendirilmiş Semantik SLAM'deki son gelişmeler, görme engelli bireyler için giyilebilir navigasyon yardımcıları oluşturmada kullanılıyor ve hareketli fiziksel engellerin etrafında güvenli, gerçek zamanlı rota planlaması sağlıyor.

Semantik SLAM ve Ultralytics YOLO26 Entegrasyonu#

Görsel SLAM'in en büyük zorluklarından biri, hareketli nesnelerin haritayı bozduğu dinamik ortamlarla başa çıkmaktır. Semantik SLAM, geleneksel SLAM işlem hattını yüksek hızlı görsel modellerle birleştirerek bu sorunu çözer. Örnek segmentasyonu veya algılama için Ultralytics YOLO26 kullanıldığında sistem, sahneyi anlamsal olarak etiketleyip hareketli nesneleri filtreleyerek konum belirleme doğruluğunu önemli ölçüde artırabilir.

Aşağıdaki kod bloğu, hareketli nesnelerin (insanlar ve arabalar gibi) koordinatlarını belirlemek ve SLAM özellik eşleştirme motorunun bu nesneleri açıkça yok saymasını sağlamak için Ultralytics YOLO26'nın nasıl kullanılacağını gösteriyor:

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]}")

Geliştiriciler, uç AI donanımlarından (örneğin NVIDIA Jetson) yararlanıp modelleri Ultralytics Platform aracılığıyla entegre ederek hafif görsel algoritmaları doğrudan SLAM işlem hatlarının yanında eğitip devreye alabilir. Otonom haritalama mimarileri hakkında daha fazla bilgi için IEEE Xplore veya arXiv üzerindeki güncel yayınlara göz atabilir ve sürekli görsel işlem hatlarını nasıl optimize edeceğini Ultralytics belgelerinden öğrenebilirsin.