Oğul Robot Sistemleri için Basit Bir Görüntüleme Sistemi Tasarımı

Oğul Robot Sistemleri için Basit Bir Görüntüleme Sistemi Tasarımı Hande Çelikkanat 1, Ali Emre Turgut 2, Erol Şahin 1, Buğra Koku 2 1 KOVAN Araştırma Laboratuvarı Bilgisayar Mühendisliği Bölümü Orta Doğu Teknik Üniversitesi, Ankara {hande,erol}@ceng.metu.edu.tr 2 Makina Mühendisliği Bölümü Orta Doğu Teknik Üniversitesi, Ankara {aturgut,bugra}@metu.edu.tr Özetçe Bu bildiride, oğul robot sistemleri için tasarlanmış gezer robotların üzerine yerleştirilmiş küresel bir ayna ve bu aynayı gören bir kamera yardımıyla 360 derecelik görüntü verisi almaya dayanan bir görüntüleme sistemi anlatılmıştır. Oğul robotların davranışlarında kararlı olabilmeleri, görüntüleme sisteminin hızlı ve kararlı bir biçimde çevreyi algılayabilmesine bağlıdır. Sonuçlar sistemin kendinden beklenen hıza ulaşabildiğini (saniyede 12 güncelleme) ve çevrenin anlık değişimlerinden olumsuz etkilenmediğini göstermektedir. Görüntüleme sisteminin oğul robotların kümelenme davranışı sırasındaki başarısı ve bunu sağlayan etmenler tartışılmıştır. 1. Giriş Bu bildiride oğul robot (swarm robotics) sistemleri için geliştirilmiş olan basit bir görüntüleme sistemi anlatılacaktır. Oğul robot sistemi yaklaşımı, doğada milyonlarca senedir sosyal böceklerin uyguladığı denetim ve koordinasyon yöntemlerinin çoklu robot sistemlerine uygulanmasıdır [1]. Oğul robot sistemlerinin robotların birlikte çalışması prensibine dayanması nedeniyle, her robot için diğer robotların yerlerini hızlı ve kesin bir şekilde tespit edebilmek, yerine getirilecek diğer görevler açısından bir ön koşuldur. Tasarlanan görüntü sistemi, bu amaçla çevre hakkında mümkün olduğu kadar hızlı ve kararlı bir şekilde bilgi edinmeyi amaçlamaktadır. Tasarımın temelinde, oğul robotların üstüne yerleştirilmiş bir küresel ayna bulunmaktadır. Tasarımın amacı çevre hakkında alınabilecek en fazla bilgiyi bir anda yakalayabilmektir, bu nedenle ayna, çevreyi kuşbakışı olarak görebilecek bir şekilde konumlandırmıştır. Yine görüntüleme sistemine dahil olan bir kamera aynadan gelen 360 derecelik görüntüyü alıp bunu işleyecek olan alt-sisteme iletmektedir. Robotlar birbirlerini üstlerinde taşıdıkları IR LED ler sayesinde tanımaktadır. Yapılan deneylerde, robotların kümelenme 1 davranışını başarıyla gerçekleştirip gerçekleştiremedikleri gözlenmiştir. 2 Geliştirilen görüntü sistemi, hızlı karar vermenin özellikle önemli olduğu değişken sistemlerde başarı göstermiştir. Sürekli hareket halinde olan diğer robotlar görüntüleme sistemini olumsuz etkilememiştir, çünkü sistem çevreye kuşbakışı hakim olması nedeniyle robotların anlık bireysel durumlarından bağımsız olarak sağlıklı veri alabilmektedir. 2. Görüntüleme Sistemi Oğul robot sistemlerde robotların birbirlerini tanımaları sistemin birarada calışması için çok önemli bir unsurdur. Tasarlamaya çalıştığımız oğul robot sisteminde görüntüleme sistemi alternatifini yürürlüğe koymadan önce farklı alternatifler düşünülmüş ve bunların bir kısmı robotlar üzerinde uygulanmıştır. 3 Bu sistemlerin ortak sorunları robotların çevrelerini algılama süresinin beklenin çok üzerinde olmasıdır. 4 Bunun yanında kümelenmiş robotların birbirlerini perdelemesinden dolayı çevredeki robot sayısı yanlış algılanmaktadır. Bu sebeplerden ötürü tasarlanmakta olan oğul robot sistemine görüntüleme sistemi uygulanması ön görülmüştür. Görüntüleme alt-sistemi şekil 1(a) da gösterildiği gibi bir kamera ve bir küresel aynadan oluşmaktadır. Kameranın 80mm üzerinde ve odak mesafesine göre ayarlanmış şekilde 44mm çapında küresel 5 bir ayna yerleştirilmiştir. Kameranın üzerine yerleştirilen küresel ayna ile kamera 360 derecelik bir alanı kuşbakışı görebilmektedir, şekil 1(b). Görüntüleme sis- 1 İng. aggregation 2 Kümelenme davranışı, başlangıç olarak alana dağılmış bir şekilde bulunan oğul robotların, çeşitli amaçları gerçekleştirebilmek için birbirlerine yaklaşmalarıdır. 3 Kızılötesi (IR) algılama sistemi 4 360 derecelik verinin toplanması için 1.5sn saniye 5 Kullanılan küresel ayna cam bir kürenin sırlanması sonucu imal edilmiş olan hazır bir yılbaşı süsüdür

teminin menzili yaklaşık olarak 480mm dir. Kamera, kendi mikrodenetimcisine sahiptir. Bu mikrodenetimci hem kamera parametrelerini (çözünürlük, görüntü yakalama hızı) denetlemekte, hem de kameranın belleğe aktarmış olduğu görüntüleri gerçek zamanlı (real-time) bir şekilde değerlendirip çevredeki robotların konumlarını(x-y koordinatları) bulmaktadır. Görüntüleme alt-sisteminde kullanılan kamera 352 288 çözünürlükte, saniyede 40 adet görüntüyü belleğe kaydedebilmek üzere ayarlanmıştır. Bu sayede mikrodenetimci, 25ms lik aralıklarla yeni bir görüntü alabilmektedir. Şekil 1: (a)görüntüleme alt-sistemi (b)görüntüleme alt-sistemi tarafından çekilmiş bir görüntü 3. Görüntüleme Sistemi Donanımı Görüntüleme sisteminde, Carnegie Mellon Üniversitesi tarafından tasarlanmış ve Acroname firması tarafından imal edilmiş olan CMUcam 2+ (CMUcam olarak adlandırılacaktır) görüntü yakalama ve işleme kartı kullanılmıştır, şekil 2. CMUcam, robot sistemleri için gerçek zamanlı görüntüleme işlerinde kullanılmak üzere tasarlanmıştır [3]. CMUcam in en büyük özelliği, daha önce çok karmaşık robot sistemlerinde uygulanabilen gerçek zamanlı görüntüleme işlerinin bir kısmını belli ölçülerde yapabilmesidir. CMUcam, üzerindeki yazılımı sayesinde saniyede 50 görüntü alarak renk takibi, 26 görüntü ile de herhangi bir hareketli cisimin takibini yapabilmektedir. 6 Görüntüleme sisteminin tasarımınında temini kolay olması ve kabiliyetlerinden ötürü CMUcam kullanılması uygun bulunmuştur. Projenin ilerleyen aşamalarında, projeye özgü bir tasarım yapılması planlanmaktadır. Bir önceki bölümde anlatıldığı gibi CMUcam temel olarak CMOS bir kamera, gömülü bir mikrodenetimci ve ilk-girenilk-çıkar (FIFO) tipi tampon görüntü belleğinden oluşur, şekil 3. Sistemde görüntüleme yongası olarak Omnivision tarafından imal edilmiş olan OV6620, mikrodenetimci olarak Scenix tarafından imal edilmiş olan 75MHz hızında SX52 ve Averlogic in 384kbyte lık FIFO tampon belleği kullanılmaktadır. SX52 mikrodenetimcisi RISC mimarisine sahip 8-bitlik bir tam sayı işlemcisidir. 75MHz lik saat hızıyla yaklaşık 13ns lik işlem hızına erişmektedir. Ayrıca mikrodenetimci, 4kbyte lık program belleğine, 262byte lık da veri belleğine sahiptir. SX52, yüksek saat hızıyla birçok gerçek zamanlı gömülü denetim işlerinde kullanılmaya uygun gözükse de gerek program belleğinin gerekse de veri belleğinin azlığı gerçek zamanlı görüntüleme algoritmalarını çalıştırmak için SX52 yi pek de uygun bir seçenek olarak kılmaz. Bunların yanında yüksek saat hızı CMUcam in güç tüketimini kabul edilebilir limitlerin üzerine çıkartmaktadır. 7 SX52, 352 288 lik çözünürlüğe sahip bir görüntüden gelecek veriyi (yaklaşık 200kbyte) saklayabilecek kabiliyete haiz değildir. Bu yüzden CMUcam sisteminde, FIFO görüntü tampon belleği kullanılmıştır, şekil 3. OV6620 yakaladığı görüntüyü, SX52 nin başla komutuyla, SX52 den bağımsız olarak tampon belleğe yazmaktadır. Daha sonra SX52 görüntü verilerini tampon bellekten okumaktadır. Bu sayede SX52 nin veri bellek sınırının getirdiği problemler aşılmış olmaktadır. Şekil 3: CMUcam 2+ donanım şeması (http://www.cs.cmu.edu/ cmucam2/ adresinden alınmıştır. 03.08.2006) Şekil 2: CMUcam 2+ 6 Daha fazla bilgi için: http://www.cs.cmu.edu/ cmucam2/ (03.08.2006) Görüntüleme sisteminin görevi; görüntü tampon belleğindeki verileri işleyerek, görüş sahası dahilindeki robotları tespit etmektir. Daha sonraki bölümlerde anlatılacağı üzere görüntüleme sisteminin performansını sınamak için sistemin takılı olduğu robotların kümelenme (aggregation) davranışı göstermesi istenecektir. Bu yüzden görüntüleme sistemi robotları tespit etmenin yanında en kalabalık robot 7 Yapılan ölçümlerde CMUcam in güç tüketiminin 2W civari olduğu tespit edilmiştir

grubunun konumunu hesaplamak ve bu bilgiyi robotun denetim alt-sistemine iletmekle görevlidir. Bu sayede sistem gerçek bir robot üzerinde değişken bir ortamda denenmiş olacaktır. SX52 işlemcisinin gerçek zamanlı olarak bu karmaşık işi yeterince hızlı yapabilmesi için kamera sisteminde bazı değişikliklere gidilmiştir. CMUcam de kullanılan kamera sistemi OV6620 görüntüleme yongası ve görüntüyü bu yongada üzerinde oluşturmak için kullanılan bir lens sisteminden oluşmaktadır, şekil 2. Kameralarda kullanılan lens sistemlerinde, güneşten gelen kızılötesi (IR) ışınların etkisini yok etmek için IR kesici süzgeçler (IR-cut filter) kullanılmaktadır. Burada tasarlanan robotun bina içerisinde kullanılacağı düşünüldüğünden, görüntüleme sistemi üzerinde güneşin etkisi az bir düzeyde olacaktır. Bu yaklaşımla, lens sistemindeki IR kesici süzgeç sökülmüş ve bunun yerine günışığını kesen süzgeç (daylight filter) takılmıştır. Robotların yerlerini belirlemek için her robotun üzerine, kamera sisteminin hemen yanına bir adet IR LED takılacaktır. Görüntüleme alt-sistemi bu LED leri algılayarak çevredeki diğer robotların konumlarını (x-y koordinatı) belirleyecektir. Bu aşamada, IR LED ler robotların üzerine değil, devre kartlarının üzerine monte edilmişlerdir. Görüntüleme alt-sistemi deneyleri bu delikli pertinaksları kullanarak yapılmıştır. Lens üzerinde yapılan değişikliğin görüntü üzerindeki etkisi şekil 4(a) ve şekil 4(b) de görülmektedir. Her iki görüntüde de, robot resmin ortasında durmaktadır. Şekil 4(b) de görüldüğü üzere günışığı kesici süzgeç kullanılarak görüntünün içerdiği bilgi miktarı binlerce kez azaltılmıştır. Bu sayede SX52 mikrodenetimcisiyle, gerçek zamanlı görüntüleme performansı yakalanabilmiştir. Denetimci gerçek zamanda görüntüyü işleyerek en kalabalık robot grubunun konumunu 55ms de bulabilmektedir. Görüntü verilerinin kameradan alınması için gereken 25ms ile birlikte, bütün bu işlemler 80ms de tamamlanabilmekte, bu sayede algılama işlemi saniyede 12 kere yapılabilmektedir. Daha sonra bu bilgiler seri iletişim protokolüyle denetim alt-sistemine iletilmekte ve bu sayede robotun davranışı saniyede 12 kez güncellenebilmektedir. Bu performans robotun davranışlarında kararlılık göstermesi için yeterli bir hızdır. Bunların yanında sistemin bir başka özelliği ise diğer sistemlerde gözlemlenen robotların birbirlerini perdeleme sorunun görüntüleme sisteminin ortamı kuşbakışı görebilme yeteneği sayesinde çözülmüş olmasıdır. Şekil 4: (a)ir kesici süzgeç lens üzerinde takılı iken çekilmiş görüntü (b)ir kesici süzgeç sökülmüş ve yerine günışığını kesen süzgeç takılmış iken çekilmiş görüntü 4. Görüntüleme Sistemi Yazılımı Şekil 5 de de görülebileceği gibi, SX52 üzerinde çalışmakta olan yazılım üç alt-birimden oluşmaktadır. Bu alt-birimlerden ilk olarak görüntü verilerinin tampon bellekten okunmasını sağlayan alt-birim anlatılacaktır. Daha sonra ise gelen verilerden robotların konumlarını tespit eden görüntü işleme altbirimi ve robotların yerlerini değerlendirerek ortamdaki en kalabalık robot kümesinin konumunu bulan kümelenme alt-birimi anlatılacaktır. I2C Kamera Tampon Bellek Verilerin Alinmasi Görüntü Isleme Kümelenme UART 8 Denetim Alt-Sistemi Görüntüleme Yaz l m Görüntüleme Alt-Sistemi Şekil 5: Görüntüleme alt-sistemi 4.1. Görüntü Verilerinin Alınması Bölüm 3 de belirtildiği gibi, SX52 kamerayla doğrudan değil, kamerayla kendisi arasında bulunan bir FIFO tampon bellek yoluyla bağlıdır. Kamera görüntüyü kaydettikten sonra bu verileri ardı ardına sayısal çıktısından yayınlar. 8 Sistem şu anda saniyede 40 adet görüntü yakalayabilmektedir. Kameranın sayısal çıktısı doğrudan tampon belleğin yazma bağlantısına bağlanmıştır. SX52 kameradan görüntüyü almaya hazır olduğu zaman tampon belleğe başla sinyalini göndererek belleği yazılabilir duruma getirir ve kameradan gelen piksel verileri tampon belleğe yazılır. SX52 bir görüntüye ait verilerin tamamının tampon belleğe yazıldığını kameradan gelen bir sinyalle anlar. Daha sonra tampon belleği tekrar yazılamaz duruma getirir. Bu sayede, SX52 nin yeni bir başla komutuna kadar, tampon bellekteki bilgiler korunmuş olur. Tampon belleğin okuma bağlantısı SX52 ye bağlıdır. SX52 tampon belleği yazılamaz duruma getirdikten sonra 8 Kameranın ayrı bir analog çıktısı da bulunmaktadır. Bu çıktı bir monitöre bağlanmış, böylece kameranın kaydedip yayınladığı görüntüler deneylerde kullanılmıştır, şekil 4(b)

kaydedilmiş olan verileri bu bağlantı üzerinden okur. Tampon bellek FIFO yapısında olduğu için, kaydedilmiş olan bilgiler sırayla okunur. SX52 nin her okuma komutu üzerine, bir pikselin parlaklık bilgisi bellekten okunur. SX52 bir sonraki pikseli ancak bu pikseli değerlendirdikten sonra okuyabilir ve bir kere değerini okuduğu bir pikseli tekrar okumamaktadır. 9 4.2. Görüntünün İşlenmesi Kameradan alınan görüntülerin işlenmesi, yazılımın gerçekleştirmesi gereken ikinci görevdir, şekil 5. Elde edilmesi beklenen çıktı, ortamda bulunan LED sayısı 10 ve her robotun ortamdaki yerleşimidir. Görüntü işlemede kullanılan algoritmada dikkate alınması gereken faktörler, algoritmanın robotun üstündeki sınırlı belleğe sahip olan SX52 üzerinde ve mümkün olan en yüksek hızda çalışmasıdır; bu nedenle SX52 nin yer ve zaman kaynaklarını verimli kullanan bir yöntem geliştirilmiştir. Amaç görüntü üzerinde, belirli şekil kalıplarına ve büyüklüğe sahip (bu çalışmada parlaklık değeri yüksek olan dairesel şekiller) olan LED leri tespit etmek olduğu için, morfolojik aşındırma (morphological erosion) işlemini temel alan bir algoritma kullanılmıştır. Bu algoritmanın esası, bir görüntü üzerinde ayırt edici bir özelliğe sahip noktalardan 11 yan yana olanları, birlikte kapladıkları alanın genişliği belli bir minimum değerden yüksekse, bu parlak alanın tamamını tek bir birim (bir LED) olarak algılamaktır. Bu durumda, yan yana birden fazla parlak piksel bulunsa bile, eğer bu parlak alan yeterince geniş değilse, algoritma bu parlaklığın, görüntü alınırken oluşabilecek hatalardan kaynaklandığını varsayacaktır. Bu çalışmada, yukarıda anlatılan morfolojik aşındırma algoritması ortam şartlarına göre geliştirilerek kullanılmıştır. Algoritmanın çalışması sırasında, SX52 görüntü verilerini tampon bellekten baştan sona bir kere okumaktadır. Verilerin işlemlenmesi okuma bittikten sonra değil, okuma sırasında yapılmaktadır. Böylece SX52 nin sınırlı belleğinde fazla bilgi tutulması gerekmemektedir. Kullanılan algoritma, görüntüye ait piksellerden parlaklığı belli bir pikselin üzerinde kalanların diğerlerinden ayırt edilmesiyle başlamaktadır. Bu piksellerin yüksek olasılıkla LED lerin yaydığı ışık tarafından aydınlatılan bölgeleri gösteriyor oldukları varsayılmaktadır. Algoritma bulduğu parlak pikselleri, varsa onlara komşu durumdaki başka parlak piksellerle birleştirmektedir. (Başka bir deyişle, bağlantılı bileşenler 12 çıkarılmaktadır.) Birleştirilme sonucu bulunan her bir parlak alan, önceden belirlenmiş minimum alanla 13 karşılaştırmakta ve alanın yeterince geniş olması durumunda bu bölge olası 9 SX52 değerini okuduğu pikseli tekrar okuma kabiliyetine sahiptir fakat tampon belleğin yapısı gereği bu işlem çok uzun sürdüğünden, görüntü işleme algoritması (bölüm 4.2) bir pikselin değerinin tek bir kere okumasının yeterli olacağı şekilde tasarlanmıştır 10 LED ler robotları temsil etmektedir, bölüm 3 11 Bu çalışmada kullanılan ayırt edici özellik, pikselin parlaklık değerinin ortamınkinden belirgin derecede yüksek olmasıdır ki bu IR LED ve günışığı kesici süzgeç kullanılarak sağlamıştır 12 İng. connected components 13 Bu minimum alan, robota olabilecek en uzak mesafede duran bir LED in ışığının kapladığı alan (yani ortamdaki başka bir robotun yayabileceği ışığın minimum alan) olarak alınmıştır. Bu nedeni, küresel aynalarda, görüntülenen cisimlerin optik eksenden uzaklaşması durumda görüntüde sapma oluşmasıdır. Bu sapmanın etkisi, merkeze yakın bir LED olarak belirlenmektedir. Algoritmanın bu aşaması, bütün piksellerin tampon bellekten okunmasıyla sona erer. Bu aşama sonucunda elimizde olası LED lerin sınırları (minimum ve maksimum x ve y koordinatları) vardır. Algoritmanın sonraki aşamasında, aşındırma sırasında olası birer LED olarak belirlenen bölgeler ele alınmaktadır. Her bölgenin diğerlerinden bağımsız, kendi başına bir LED mi, yoksa (diğer bölgelerle birlikte tek bir LED oluşturan) bir LED parçası mı olduğu incelenmektedir. Eger bu bölge öncekilerden bağımsız tek bir LED se, SX52 bölgenin sınırlarını bir LED in sınırları olarak kaydetmektedir. Eğer bölge, daha önceden bağımsız bir LED olarak belirlenmiş ve sınırları kaydedilmiş başka bir bölgenin komşuluğunda bulunmaktaysa 14 iki bölgenin bilgileri birleştirilerek tek bir LED olarak kaydedilmektedir. Bu aşama sonucunda ortamda bulunan her LED in sınır koordinatları elde edilmektedir. Bu yöntemin avantajı, bağlantılı bileşenlerin birleştirmesi işinin, algoritmanın ilk aşamasında, yani pikseller okunurken başlamasıdır. Bu sayede bulunan her bir parlak pikselin bilgisinin (görüntüler 352 288 pikselden oluşmaktadır) bu aşamaya gelininceye kadar bellekte ayrı ayrı saklanması gerekmemektedir. Algoritmanın ikinci aşaması başladığında bellekte tutulmakta olan bilgi kısmen birleştirilmiş olan bölgelere aittir, bu da bellekte tutulması gereken bilgi miktarında ortalama 1/5000 oranında azalma sağlamaktadır. 15 Bu yöntem, ayrıca ikinci aşamada ele alınıp birleştirilecek bölge sayısını da aynı oranda azaltmakta, böylece çalışma zamanını kısaltmaktadır. Algoritma ortamdaki LED lerin maksimum ve minimum x ve y koordinatlarının ortalaması alınarak merkezlerinin hesaplanmasıyla sonlanır. Bu değerler aynanın küresel oluşu nedeniyle sapmaya maruz kalmış bir görüntüden elde edildikleri için, son adım LED lerin koordinatlarının, ayna ölçülerinden gerçek dünya ölçülerine çevrilmesidir. Böylece ortamdaki diğer robotların x ve y koordinatlarını bulmuş olur. Bu koordinatlar bir sonraki bölümde anlatılacak olan kümelenme algoritmasında kullanılacaktır. 4.3. Kümelenme Algoritması Kümelenme davranışı, başlangıç olarak alana dağılmış bir şekilde bulunan oğul robotların, birbirlerinin konumlarını belirleyerek birbirlerine yaklaşmaları olarak tanımlanabilir. Kümelenme, çok çeşitli davranışların gerçekleştirilebilmesi için bir ön koşuldur. [2] Yazılımın son kısmı olan kümelenme algoritmasının (şekil 5) amacı, ortamdaki en kalabalık robot grubunun belirlenmesidir. Bu algoritma girdi olarak, bir önceki bölümde anlatılan bir konumda bulunan LED lerin büyük boyutta görünmesi, öte yandan merkezden uzaklaşan bir LED in büyüklüğünün, uzaklığının karesiyle orantılı olarak azalmasıdır. Algoritma belli bir alandan küçük olan parlaklıkları görmezden geleceği için, merkezden uzakta bulunan LED lerin görmezden gelinmemesi böyle bir önlemle sağlanmaktadır. 14 Bu durum, merkeze yakın oldukları diğerlerinden daha geniş bir alanı aydınlatan LED lerde görülen bir durumdur. Bölgelerin tampon bellekten okunma sırasına bağlı olarak algoritmanın ilk aşaması bunları birleştirememiş olabilmektedir 15 İncelenen görüntüler 352*288 piksellik görüntüler olup ortamdaki LED sayısının beklenen değeri 20 civarındadır. İlk aşama tamamladığında çoğu LED birleştirilmiş durumdadır. Bu durumda bellekte tutulması beklenen bölge sayısı 100000 den 20 ye düşmektedir

görüntü işleme algoritmasının çıktısını (ortamdaki LED lerin x ve y koordinatlarını) alır. Çıktı olarak ise, ortamdaki en kalabalık robot grubunun, kartezyen koordinat sistemine göre bulunduğu kadranını ve x-y koordinatlarını verir. Bu algoritma da, görüntü işleme algoritması gibi, SX52 üzerinde çalışmaktadır. SX52 bu bilgileri denetim alt-sistemine gönderdikten sonra başa dönerek buraya kadar olan işlemleri tekrarlamaktadır; yani tampon belleğe yeni bir görüntü yazılmasını sağlayarak bu görüntü üzerinde çalışmaya tekrar başlamaktadır. Kümelenme algoritması, tespit edilen LED leri değerlendirerek birbirlerine belli bir mesafeden daha yakın olan herhangi iki LED aynı kümede olacak şekilde kümeleri belirlemektedir. Bu algoritmanın bir özelliği, aslında birbirlerine bu mesafeden daha uzak olan iki LED i, ikisinin de ortak bir LED e yakın olması nedeniyle, aynı kümede sayılabilmesidir. Bu durumun, bir LED in kendi kümesinde olan bütün LED lere olan uzaklığını teker teker kontrol eden alternatif algoritmaya avantajı, ayrık (kesişimleri boş küme olan) kümeler oluşturması, ayrıca zaman açısından çok daha verimli çalışabilmesidir. Kümelenme algoritması sonucunda, gruplara ayrılmış LED lerden en kalabalık kümeye dahil olanlar bulunur ve bunların koordinatlarının ortalaması alınarak bu kümenin koordinatları ve içinde yer aldığı kadran hesaplanır. Bu bilginin motorları kontrol eden denetleyiciye gönderilir ve yeni bir görüntü alınarak işlenmeye başlanır. Bütün bu işlemler 80ms de tamamlanabilmektedir, bu da motorlara gönderilen bilginin saniyede 12-13 kere güncellenmesi ve robotun dinamik ortamlara oldukça hızlı tepki verebilmesi anlamına gelmektedir. 5. Görüntüleme Sistemi ve Deneyler Sisteminin performansını denemek için oğul robot sistemi için tasarlanmış bir prototipe 16 görüntüleme sistemi monte edilmiştir, şekil 6. Robotun üzerinde denetim alt-sistemi 17 takılmış ve denetim alt-sistemi görüntüleme sistemi ile seri protokol ile haberleşmiştir. Robotun denetim alt-sisteminde çok basit bir davranış algoritması uygulanmıştır. Ayrıca robot deneyler süresince pil kullanılarak tamamen özerk bir şekilde çalıştırılmıştır. Şekil 6: Robotun ve görüntüleme sisteminin fotoğrafı Yapılan deneylerden birisi örnek olarak verilmiştir, şekil 7(a), (b), (c), (d), (e) ve (f). 16 prototip versiyonu 1.0 17 Denetim alt-sistemi, bir adet PIC 16F877 mikrodenetimcisi ve motor sürücü bulunan bir karttan oluşmaktadır Şekil 7: (a)başlangıçta robotun solunda 2 IR LED, sağında ise 3 IR LED vardır. (b)robotun kameradan aldığı gerçek zamanlı görüntünün monitörden görünüşü. Robotun ilerleme yönü görüntünün y eksenine düşen tarafıdır. (c)robot en kalabalık grup olarak algıladığı 3 lü gruba doğru yönlenmiştir. (d)robotun 3 lü gruba yöneldiği, monitördeki görüntüde bu grubun y doğrultusuna yaklaşmasından anlaşılabilir. (e)robot sol grubun merkezine ulaşmıştır. (f)robotun sol grubun merkezine ulaştığı, monitörde bu gruptaki LED lerin görüntülerinin büyümesinden ve merkeze yaklaşmasından anlaşılabilir. Yapılan deneylerin büyük bir bölümünde robot kararlı davranışlar sergilemiştir. Bu durum görüntüleme sisteminin yeterince hızlı ve güvenilir bir şekilde çalıştığını göstermektedir. Görüntüleme sistemi kızılötesi ışınlarla çalışmak için tasarlanmıştır. Bu sebepten güneş ışığından, daha doğrusu güneş ışığının içerisinde bulunan yoğun kızılötesi ışımadan etkilenmektedir. Robot sistemi daha önce de anlatıldığı gibi (bölüm 3) bina içerisinde çalışacağı için bu sorun gözardı edilmiştir. Işıklandırma ile ilgili yapılan bir diğer gözlem de görüntüleme sisteminin floresan ışığından 18 beklenenin çok üzerinde etkilenmesidir. Bu yüzden başlangıçtaki bütün deneyler tamamen karanlık bir ortamda gerçekleştirilmiştir. Bu sorun, aynanın büyük bir kısmını bir kağıtla kapatarak çözülmüştür, şekil 8(a) ve (b). Bu sayede belli bir açının üzerinde gelen ışınların 18 Floresan lambalar gün ışığı spektrumunda ışın yaydıkları gibi UV ve IR bantlarında da ışın yayarlar.görüntüleme alt-sistemi üzerinde kullanılan kamera da floresan lambadan yayınlanan bu IR ışınları algılamaktadır

aynaya gelmesi önlenmiştir. 19 Burada anlatılan bütün deneyler küresel ayna kağıt ile kapatılmış iken ve oda floresan ışığı ile aydınlanırken yapılmıştır. Görüntüleme alt-sisteminin menzili deney düzeneğinde kullanılan masanın üzeride duran cisimler için yaklaşık olarak 480mm dir. Cisimler masa yüzeyinden yükseldikçe menzil düşmektedir. Bu yüzden IR LED ler kukla robotların üzerine monte edilmek yerine yere yapıştırılmışlardır. Böylece bu ayna ile elde edilebilecek en uzak menzil elde edilmiştir. Bunun sebebi kullanılan küresel ayna, şekil 8, görüntüleme işi için özel tasarlanmamıştır. Gerçek robotlarda IR LED ler kamera ile aynı seviyeye yerleştirileceği görüntüleme sisteminin menzilinin arttırılması gerekmektedir. Görüntüleme alt-sisteminde kullanılan CMUcam beklenenin çok üzerinde enerji harcamaktadır. Ayrıca CMUcam üzerinde kullanılan SX52 mikrodenetimcisi, yüksek hızda çalışması nedeniyle belli bir çalışma süresi sonunda kilitlenmektedir. Şekil 8: (a) Küresel ayna açık (b) Küresel ayna floresan ışığını engellemek için kağıt ile kaplanmış 6. Tartışma Yapılan deneyler sonucunda tasarlanmış olan görüntüleme sisteminin performansı yeterli bulunmuştur. Bir önceki bölümde de tartışıldığı üzere, görüntüleme alt-sistemi, denetim altsistemine sürekli göndermekte olduğu bilgileri saniyede 12 kere güncelleyebilmektedir. Bu hızın robotların kararlı davranışları için yeterli olduğu, yine bir önceki bölümde tartışılmış olan kümelenme davranışının başarıyla gerçekleştirilmesiyle gösterilmiştir. Kümelenme davranışının kararlı bir şekilde gerçekleştirilebilmiş olması, küresel aynanın 360 derecelik alanı kuşbakışı görebilmesine bağlıdır. Bu sayede aynadan gelen her anlık görüntü robotun çevresini tamamen gösterebilmekte ve arka arkaya gelen iki robotun birbirlerini anlık olarak perdeleme durumu oluşmadığı için sistem kararlı davranmaktadır. 360 derecelik bu görüntüleme sistemi, çevre hakkında global bilgiye anlık olarak ulaşabilmesi gereken bir sistem için iyi sonuç veren bir çözümdür. Sistem bina içinde çalışacak robotlar için tasarlandığından görüntüleme sistemi de buna uygun olarak hazırlanmıştır. 19 Algılanması düşünülen IR LED ler deney düzeneğinde kullanılan masa yüzeyinde veya bu yüzeye paralel bir yüzeyde olacakları için IR LED lerden gelen ışınlar ayna ile dar açı yapmaktadır, geniş açı yapan ışınlar görüntüleme alt-sisteminin algılamasına gerek olmayan floresan ışığı veya duvarlardan yansıyan ışıklardır. Bina içinde çalışacak sistemlerde, günışığını kesen süzgeçler, sistemin direkt floresan ışığından korunması şartıyla yeterli bulunmuştur. Bunun nedeni, sistemde kullanılan kameranın direkt gelen floresan ışığında beklenenin üzerinde IR ışınımı algılamasıdır. Bu durum bina dışında çalışacak bir sistemde de geçerli olacaktır, bu nedenle direkt güneş ışığı altında çalışmak için kameralarda mutlaka IR kesici süzgeç olması gerekecektir. 7. Sonuçlar Bu bildiride, oğul robot sistemleri için geliştirilmiş bir görüntüleme sistemi sunulmuştur. Bu görüntüleme sistemi, oğul robot sistemlerinin temel prensibi olan birarada çalışma için, robotların, birbirlerinin konumlarını hızlı ve kesin bir şekilde tespit edebilmeleri amacını taşımaktadır. Robotların hareketlerinde kararlı davranabilmeleri için, görüntüleme sisteminin mümkün olduğunca hızlı ve çevrenin anlık değişimlerinden az etkilenen bir sistem olması gerekmektedir. Bu nedenle, sistem 360 dereceyi anında görüntüleyebilecek bir küresel ayna ve bir kameradan oluşacak şekilde tasarlanmıştır. Sistem çevredeki diğer robotları, üzerlerinde taşıdıkları IR LED ler sayesinde tanımaktadır. Bu nedenle, kameraların ortamdaki diğer IR ışınım kaynaklarından etkilenmemeleri için gerekli önlemler alınmıştır. Sistemin kararlılığı, robotların kümelenme davranışını gerçekleştirmedeki başarısıyla ölçülmüştür. Deneyler sonucunda, görüntüleme sisteminin çevre hakkında global bilgiyi yeterince hızlı ve doğru bir şekilde elde edip işleyebildiği, böylece oğul robotların kendilerinden beklenen davranışı kararlı bir şekilde yerine getirebildikleri gösterilmiştir. Bu sonuçların, görüntüleme sisteminin küresel aynası sayesinde, kendi menzili dahilindeki çevrenin 360 derecelik global görüntüsüne anlık olarak erişebilmesi sonucunda elde edildiği tartışılmıştır. 8. Teşekkür Bu çalışma TÜBİTAK ın 104E066 no lu Kontrol Edilebilir Robot Oğulları kariyer projesi tarafından desteklenmiştir. 9. Kaynakça [1] E. Şahin, Swarm Robotics: From Sources of Inspiration to Domains of Application, Swarm Robotics Workshop: State-of-the-art Survey, Erol Şahin and William Spears, editors, 3342, Lecture Notes in Computer Science, Springer-Verlag, Berlin Heidelberg, pp. 10-20, 2005. [2] O. Soysal and E. Şahin, Probabilistic Aggregation Strategies in Swarm Robotic Systems, Proc. of the IEEE Swarm Intelligence Symposium, Pasadena, California, pp. 325-332, 2005. [3] A. Rowe, C. Rosenberg and I. Nourbakhsh A Second Generation Low Cost Embedded Color Vision System, Proc. of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Washington, DC, U.S.A., pp. 136, 2005.