Otonom Havalimanı Taşıma Robotu

Otonom Havalimanı Taşıma Robotu Autonomous Airport Transport Robot Ahmet Ensar Altıntepe1, Fahrettin Hashalıcı1, Mehmet Sait Altıparmak1, Taylan Uras2, Sami Pekdemir1 1Uçak Mühendisliği Bölümü Erciyes Üniversitesi, Kayseri {1140110433, 1140110474, 1140110478, samipekdemir}@erciyes.edu.tr 2Bilgisayar Bilimi Bölümü Liverpool Üniversitesi, Liverpool, Birleşik Krallık [email protected].uk Özetçe Bu proje, havalimanlarında bagaj taşıma sürecinde ekonomik verimliliği artırmak, zaman kaybını azaltmak ve insan gücüne olan ihtiyacı minimize etmek amacıyla geliştirilen otonom bir robottur. Gömülü sistem tasarımı dersi kapsamında Python programlama dili ile geliştirilen sistemde, PiBorg MonsterBorg robotu kullanılmıştır. Robotun hareketi dört tekerlekli bir yapı ile sağlanmakta olup, motor kontrolü L298N motor sürücüsü aracılığıyla gerçekleştirilmektedir. Robot, temel olarak ileri, geri ve durma hareketlerini gerçekleştirebilmekte; üzerine entegre edilen kamera ile çevrede yer alan QR kodlarını algılayarak sağa ve sola dönüş hareketlerini yerine getirebilmektedir. Fiziksel sistemde; Raspberry Pi 3 B+, DC motorlar, L298N motor sürücüsü, 12V 3S Li-Po batarya, çeşitli bağlantı kabloları ve 3 boyutlu yazıcıyla üretilmiş koruyucu bir kapak kullanılmıştır. Geliştirilen sistem, fiziksel testlerde yön tayinini başarıyla gerçekleştirerek otonom hareket kabiliyetini ortaya koymuştur. Abstract This project is an autonomous robot developed to increase economic efficiency, reduce time loss, and minimize the need for manpower in baggage handling at airports. The system, developed using the Python programming language as part of an embedded systems design course, utilized the PiBorg MonsterBorg robot. The robot's movement is provided by a four-wheeled structure, and the motor is controlled by an L298N motor driver. The robot can primarily perform forward, backward, and stop movements. It can also detect QR codes in the environment with an integrated camera, enabling it to turn left and right. The physical system comprises a Raspberry Pi 3 B+, DC motors, an L298N motor driver, a 12V 3S Li-Po battery, various connection cables, and a protective cover produced with a 3D printer. The developed system successfully demonstrated its autonomous movement capability by performing orientation determination in physical tests. 1. Giriş Modern ulaşım sistemleri, operasyonel verimliliği artırmak ve kullanıcı deneyimini iyileştirmek adına giderek daha fazla otomasyon ve yapay zekâ destekli çözümlere yönelmektedir. Havalimanları gibi geniş ve karmaşık yapıya sahip alanlarda, yolcu ve bagaj taşıma süreçlerinin optimize edilmesi, havaalanı içi lojistiğin daha etkin hale getirilmesini gerektirmektedir. Ancak mevcut sistemler, insan gücüne olan bağımlılık, yüksek operasyonel maliyetler ve zaman kaybı gibi çeşitli kısıtlamalarla sınırlıdır. Bu bağlamda, otonom ve yapay zekâ destekli insansız ulaşım sistemleri, geleceğin havalimanı operasyonlarına yönelik yenilikçi bir çözüm olarak öne çıkmaktadır. Bu proje, havalimanlarında insansız, otonom bir yolcu ve bagaj taşıma sistemi geliştirmeyi hedeflemektedir. Sistemin tasarımı, PiBorg MonsterBorg platformuna dayanmakta ve Python programlama dili kullanılarak geliştirilmiştir. Fiziksel sistemin çekirdeğini, veri işleme ve kontrol komutlarını yürüten bir Raspberry Pi 3 B+ kartı oluşturmaktadır. Hareket, bir L298N motor sürücüsü tarafından kontrol edilen DC motorlara sahip dört tekerlekli bir yapı ile sağlanmakta ve tüm sistem gücünü 12V 3S Li-Po bataryadan almaktadır. Navigasyon için robot, ortamdaki QR kodlarını algılayan bir kamera ile donatılmıştır; bu sayede sağa ve sola dönüşler yaparak temel ileri, geri ve durma hareketlerini tamamlamaktadır. Fiziksel geliştirmeyi desteklemek ve kontrol algoritmalarını test etmek amacıyla, Webots programında bir Pioneer 3-AT modeli kullanılarak bir simülasyon oluşturulmuştur. Mevcut uygulama QR tabanlı navigasyona odaklanmış olsa da, bu sistem için başlangıçtaki vizyon daha gelişmiş yetenekleri içermektedir. Kamera sistemlerinin gelişmiş görüntü işleme teknikleriyle entegrasyonu, robotun çevresini analiz etmesine, nesneleri ve yolcuları tanımasına ve hareketli engelleri tespit ederek dinamik rota planlaması yapmasına olanak tanıyacaktır. Nihai hedef, yalnızca havalimanı operasyonlarını optimize etmekle kalmayıp, aynı zamanda görüntü işleme ve yapay zekâ destekli otonom sistemlerin havalimanı lojistiğinde uygulanabilirliği için yeni bir referans modeli sunmaktır. 2. Literatür Taraması Son yıllarda havalimanlarında otonom taşıma sistemlerine yönelik çalışmalar artış göstermiştir. Bu sistemler, insan müdahalesi gerektirmeksizin belirli görevleri yerine getirebilen mobil robotlara dayanmaktadır. Literatürde, bu tür robotik uygulamalar genellikle diferansiyel tahrikli platformlar, görüntü işleme teknikleri ve yön belirleme amacıyla kullanılan QR kodlar gibi teknolojiler ile desteklenmektedir. Örneğin, [1] numaralı çalışmada Raspberry Pi kullanılarak geliştirilen bir mobil robotun QR kodlar yardımıyla ortamda yön tayini yaptığı ve hedefe ulaşabildiği gösterilmiştir. Benzer şekilde [2], otonom araçların görüntü işleme ile yön belirleyerek engellerden kaçınmasını sağlayan bir sistem önermiştir. Ayrıca, L298N motor sürücüsü gibi düşük maliyetli donanımların [3] projelerde yaygın olarak kullanıldığı ve yeterli performans sunduğu belirtilmiştir. Gömülü sistem tasarımı açısından bakıldığında, mikrodenetleyiciler yerine görece daha güçlü gömülü bilgisayarlar (örneğin Raspberry Pi) kullanılması, hem işlem gücünü hem de görüntü işleme yeteneklerini artırmaktadır [4]. Bu da projelerde daha karmaşık görevlerin yerine getirilmesini mümkün kılmaktadır. QR kod tabanlı yönlendirme sistemleri özellikle kapalı alan navigasyonu için uygun çözümler sunmakta, sade uygulama yapısı ve güvenilirliği sayesinde tercih edilmektedir [5]. Ayrıca simülasyon ortamlarında test edilen sistemlerin gerçek dünyaya daha sağlıklı aktarılabildiği ve hata oranlarının önemli ölçüde azaltılabildiği görülmüştür [6]. Bu çalışma, literatürdeki bu yaklaşımları temel alarak; QR kod tabanlı yönlendirme, görüntü işleme ve gömülü sistem donanımlarıyla desteklenen otonom bir havalimanı taşıma aracı tasarımını hedeflemektedir. 3. Problem Tanımı Geleneksel havaalanı bagaj taşıma sistemleri, valizlerin konveyör bantlardan uçaklara taşınması sürecinde çeşitli zorluklarla karşılaşmaktadır. Mevcut yöntemler, insan gücüne dayalı operasyonlar ve sabit bant sistemleri nedeniyle zaman kaybına, operasyonel verimsizliklere ve güvenlik risklerine yol açmaktadır. Özellikle yoğun uçuş saatlerinde valiz taşıma süreçlerinde meydana gelen aksaklıklar, yolcu memnuniyetini olumsuz etkileyebilmekte ve havaalanı lojistik sistemlerinde darboğazlara neden olabilmektedir. Ayrıca, manuel taşıma süreçlerinde iş gücü yükünün artması, operasyonel maliyetleri yükseltmekte ve çalışanlar için ergonomik olmayan çalışma koşulları yaratmaktadır. 4. Materyal ve Yöntem Bu bölümde, otonom havalimanı taşıma robotunun fiziksel donanımı, elektronik bileşenlerin yerleşimi, simülasyon ortamı ve sistemin matematiksel modelleri detaylı şekilde incelenmektedir. Ayrıca, deney düzeni ve sistem yapısı, robotun gerçek ve simülasyon ortamındaki işleyişi ile ele alınmaktadır. 4.1. PiBorg Robotunun Fiziksel Yapısı Projede temel olarak kullanılan mobil platform PiBorg robotudur. Robotun alt kısmında bulunan dört tekerlekli diferansiyel sürüş sistemine ait motorlar ve şasi yapısı aşağıdaki şekilde görülmektedir. Şekil 1. PiBorg Robotu Bu görünüm, robotun hareket kabiliyetinin temelini oluşturan motorların konumlandırılması ve şasi yapısının dayanıklılığını göstermektedir. Robotun kapaklı hali, elektronik bileşenlerin korunması ve kablo düzeninin sağlanması amacıyla tasarlanmıştır. Şekil 2. Robotun montajlanmış hali Kapaklı yapısı sayesinde sistem taşınabilirlik kazanmakta ve dış etkenlerden korunmaktadır. 4.2. Elektronik Bileşenlerin Yerleşimi Robotun üst kısmında bulunan elektronik bileşenlerin yerleşimi, sistemin fonksiyonelliği açısından kritik önem taşımaktadır. Raspberry Pi 3 B+, L298N motor sürücü kartı ve kamera modülü aşağıdaki şekilde üstten bakışında görünmektedir. Şekil 3. Elektronik Bileşenlerin Üstten Görünümü 4.3. Simülasyon Ortamı: Pioneer 3-AT Gerçek robot sisteminin destekleyici unsuru olarak Webots simülasyon programında Pioneer 3-AT modeli kullanılmıştır. Simülasyon ortamında robot, fiziksel sistemle aynı kontrol algoritmalarıyla test edilmiştir. Şekil 4. Pioneer 3-AT robotu Simülasyon sonuçları, gerçek sistemle uyumlu hareket kabiliyeti ve yönlendirme başarısını ortaya koymaktadır. 4.4. Matematiksel Modeller Projemizde kullanılan PiBorg MonsterBorg robotu, dört tekerlekli ve motor kontrollü bir platformdur. Robotun hareketi, diferansiyel tahrik prensibi temel alınarak modellenmiştir. Bu model, robotun doğrusal ve açısal hareketlerini sağ ve sol motorların hızları üzerinden tanımlar. Robotun doğrusal hızı (v), sağ ve sol motorların hızlarının ortalaması olarak ifade edilir: 𝑑𝑥 𝑑𝑡 = 𝑣𝑐𝑜𝑠(𝜃) (1) Buradaki hızlar sırasıyla sağ ve sol motorların hızlarıdır. Robotun açısal hızı (ω) ise motorların hızları arasındaki fark ve tekerlekler arası mesafe kullanılarak hesaplanır: 𝑤 = 𝑣𝑠𝑎ğ−𝑣𝑠𝑜𝑙 𝑏 (2) Bu açısal hız robotun dönüş hızını ve yönünü belirler. Robotun konum ve yönü, zamana bağlı olarak aşağıdaki diferansiyel denklemler ile güncellenir: 𝑥𝑡+1 = 𝑥𝑡+ 𝑣 ⋅ Δ𝑡 ⋅ 𝑐𝑜𝑠(𝜃𝑡) (3) 𝑦𝑡+1 = 𝑦𝑡+ 𝑣 ⋅ Δ𝑡 ⋅ 𝑠𝑖𝑛(𝜃𝑡) (4) 𝜃𝑡+1 = 𝜃𝑡+ 𝜔. Δ𝑡 (5) Burada 𝑥𝑡, 𝑦𝑡 robotun mevcut konumu, 𝜃𝑡 ise mevcut yön açısıdır. Δ𝑡 zaman aralığını belirtir. Bu matematiksel model, robotun hareketinin temelini oluşturmakta ve kontrol algoritmalarının geliştirilmesinde kullanılmaktadır. 5. Deneysel Sonuçlar 5.1. QR Kod Algılama ve Yönlendirme Robotun otonom navigasyonunda kritik rol oynayan QR kod algılama modülü, fiziksel ortamda çeşitli mesafe ve açılardan test edilmiştir. Algılama süreci genellikle güvenilir ve hızlıdır ancak düşük ışık koşulları ve QR kodların kısmi engellenmesi durumlarında algılama doğruluğunda azalma gözlemlenmiştir. Yazılımda yapılan ön işleme ve filtreleme teknikleri, bu tür durumlarda algılama başarısını artırmak için uygulanmıştır. Şekil 5. Robotun QR kodu okuma anı Simülasyon ortamında ise QR kod tanıma işlemi stabil ve tutarlı bir şekilde çalışmıştır. Bu durum, robotun yönlendirme mekanizmasının temelini sağlamaktadır. Yönlendirme algoritması, QR kodlardan alınan bilgiler doğrultusunda motor hızlarını ayarlayarak robotun belirlenen rotada ilerlemesini sağlamaktadır. 5.2. Hareket Kontrolü ve Navigasyon Başarımı Robotun hareket kontrolü, Raspberry Pi üzerinden L298N motor sürücü kartı aracılığıyla gerçekleştirilmiştir. Düz ve dönüş hareketleri, belirlenen komutlara uygun olarak yapılmış, hareket esnasında oluşan sapmaların minimize edilmesi için kontrol algoritmaları optimize edilmiştir. Gerçek ortamda, zemin koşulları ve motor özellikleri nedeniyle hafif sapmalar yaşanmış ancak genel olarak robot belirlenen rotayı takip edebilmiştir. Simülasyon ortamındaki hareket performansı, gerçek sisteme yakın sonuçlar vermiştir. 5.3. Simülasyon ve Gerçek Sistem Karşılaştırması Webots simülasyon ortamında gerçekleştirilen testler ile fiziksel robot deneyleri karşılaştırılmıştır. Simülasyon ortamı, gerçek ortamda karşılaşılan çevresel faktörlerden arındırılmıştır ve bu nedenle robotun hareketi daha idealize edilmiştir. Gerçek ortamda ışık koşulları, zemin yapısı ve donanım kaynaklı sınırlamalar nedeniyle simülasyondan farklılıklar gözlemlenmiştir. Buna rağmen, simülasyon sonuçları kontrol algoritmalarının doğruluğunu ve genel sistem tasarımının geçerliliğini desteklemektedir. 5.4. Deneysel Zorluklar ve Çözüm Önerileri Deneyler sırasında karşılaşılan başlıca zorluklar, düşük ışık koşullarında QR kod algılamadaki güçlükler ve motor sürücü kaynaklı hareket hassasiyeti sorunlarıdır. Bu problemlerin giderilmesi için ek sensör entegrasyonu (örneğin ışık sensörleri veya lidar) ve daha gelişmiş kontrol algoritmalarının geliştirilmesi önerilmektedir. Ayrıca, robotun çevresel engellere karşı tepkisiz olması, kullanım alanını sınırlamaktadır. Bu kapsamda, engel algılama ve kaçınma sistemlerinin eklenmesi ileriye dönük önemli bir gelişme olacaktır. 6. Çıktılar Bu bölümde, projenin sonunda elde edilen temel sonuçlar ve sistem performansı değerlendirilmiştir. Fiziksel deneyler ve simülasyon testleri ışığında robotun genel çalışma başarısı ve geliştirme potansiyelleri ele alınmıştır. 6.1. Performans ve Sistem Başarımı Robot, QR kod algılama ve yönlendirme sistemi sayesinde belirlenen rotada otonom hareket kabiliyeti göstermiştir. Algılama ve kontrol algoritmaları, hareket sapmalarını minimize ederek stabil ve güvenilir çalışma sağlamıştır. Yazılım ve donanım bileşenleri arasındaki uyum, gerçek zamanlı veri işleme ve motor kontrolünde etkin sonuçlar vermiştir. Simülasyon ortamında yapılan testler ile fiziksel sistem performansı arasında yüksek uyum bulunmuş, bu da simülasyonun geliştirme sürecinde önemli bir destek olduğunu göstermiştir. 6.2. Geliştirme Alanları ve Gelecek Çalışmalar Projenin deneysel sonuçları ve başlangıçtaki hedefleri ışığında, geliştirilen prototipin daha sağlam ve işlevsel bir sisteme dönüştürülmesi için çeşitli geliştirme alanları bulunmaktadır. Sistemin mevcut hali, temel otonom navigasyon yeteneğini kanıtlamış olsa da, gerçek dünya senaryolarında tam potansiyeline ulaşması için önemli iyileştirmeler gerekmektedir. Gelecekteki çalışmaların odaklanması gereken en öncelikli alanlardan biri, robotun çevresel farkındalığını ve engel algılama kapasitesini artırmaktır. Mevcut prototipin en büyük eksikliği, beklenmedik engellere tepki verememesidir. Bu sorunu aşmak için lidar veya ultrasonik sensörler gibi gelişmiş algılayıcıların sisteme entegre edilmesi planlanmaktadır. Bu donanımlar sayesinde robot, çevresini gerçek zamanlı olarak tarayarak engelleri tespit edebilecek ve bu engellerden otonom olarak kaçınabilecektir. Bu yetenek, özellikle havalimanları gibi dinamik ve kalabalık ortamlarda güvenli ve verimli bir navigasyon için kritik öneme sahiptir ve robota dinamik rota planlama kabiliyeti kazandıracaktır. Bir diğer önemli geliştirme alanı ise projenin başlangıç vizyonunda yer alan ileri düzey görüntü işleme ve nesne tanıma yeteneklerinin hayata geçirilmesidir. Sistemin, basit QR kod okumanın ötesine geçerek derin öğrenme tabanlı nesne tanıma algoritmaları ile donatılması hedeflenmektedir. Projenin kaynakçasında da atıfta bulunulan YOLOv3 gibi modeller kullanılarak, robotun farklı bagaj türlerini ayırt etmesi ve hatta yolcuları tanıması sağlanabilir. Bu tür bir gelişme, robotun yalnızca bir taşıma aracı olmaktan çıkıp, belirli bir yolcuyu takip etme veya bagajları sahiplerine göre ayırma gibi akıllı görevleri yerine getirebilen interaktif bir yardımcıya dönüşmesini sağlayacaktır. Son olarak, sistemin genel kontrol mekanizması ve sağlamlığının iyileştirilmesi gerekmektedir. Deneyler sırasında zemin koşulları ve motor özelliklerinden kaynaklanan küçük hareket sapmaları gözlemlenmiştir. Bu sapmaları en aza indirmek ve navigasyon hassasiyetini artırmak için daha gelişmiş kontrol algoritmaları geliştirilmelidir. Ayrıca, QR kodlarının düşük ışık koşullarında tespit edilmesindeki zorluklar gibi operasyonel sorunlar , daha yüksek çözünürlüklü kameralar veya ek aydınlatma sensörleri ile giderilebilir. Sisteme eklenecek kablosuz kontrol özellikleri ise robotun uzaktan izlenmesine ve merkezi bir lojistik ağına entegre edilmesine olanak tanıyarak operasyonel esnekliği artıracaktır. 7. Sonuç Bu çalışmada, otonom havalimanı taşıma robotu tasarımı, geliştirilmesi ve test edilmesi süreci detaylı olarak ele alınmıştır. Robotun temel hareket ve yönlendirme kabiliyetleri, QR kod tabanlı otonom navigasyon sistemiyle desteklenmiş ve hem fiziksel donanım hem de simülasyon ortamında başarılı sonuçlar elde edilmiştir. Deneysel çalışmalar, robotun belirlenen güzergâh üzerinde güvenilir ve kararlı bir şekilde hareket edebildiğini göstermiştir. Simülasyon sonuçları, gerçek sistemle yüksek düzeyde uyum sağlayarak geliştirilen kontrol algoritmalarının doğruluğunu pekiştirmiştir. Bununla birlikte, sistemde karşılaşılan bazı zorluklar, ileriye dönük çalışmalar için önemli geliştirme alanları sunmaktadır. Özellikle çevresel engellerin algılanması ve bunlara otonom tepkiler verilmesi, sistemin pratik kullanım alanını genişletecektir. Sonuç olarak, bu proje, otonom taşımacılık alanında uygulanabilir ve geliştirilebilir bir temel sistem ortaya koymuş olup, gelecekte yapılacak iyileştirmelerle daha kapsamlı ve karmaşık görevlerin üstesinden gelebilecek potansiyele sahiptir. Kaynakça [1] Webots, *Webots Documentation*. [Online]. Available: https://cyberbotics.com/doc/guide/index. Accessed: Apr. 8, 2025. [2] PiBorg, *ThunderBorg Motor Driver Documentation*. [Online]. Available: https://www.piborg.com/thunderborg. Accessed: Apr. 8, 2025. [3] S. J. McNally, *Robotics Engineering: An Integrated Approach*. Cham, Switzerland: Springer, 2020. [4] S. H. Song, “Robot Kinematics and Motion Control,” *IEEE Transactions on Robotics*, vol. 18, no. 3, pp. 145–156, 2017. [5] F. A. B. Khan, “Design and Simulation of Autonomous Robots,” in *Proc. IEEE Int. Conf. on Robotics and Automation*, 2019, pp. 112–118. [6] R. E. Author, “Optimization of Robot Control Algorithms,” in *Proc. IEEE Int. Conf. on Robotics and Automation*, 2024, pp. 56–60. [7] G. Bradski and A. Kaehler, *Learning OpenCV: Computer Vision with the OpenCV Library*, 1st ed. Sebastopol, CA, USA: O’Reilly Media, 2008. [8] B. Siciliano and O. Khatib, Eds., *Springer Handbook of Robotics*, 2nd ed. Cham, Switzerland: Springer, 2016. [9] J. Redmon and A. Farhadi, “YOLOv3: An Incremental Improvement,” *arXiv preprint* arXiv:1804.02767, Apr. 2018. [Online]. Available: https://arxiv.org/abs/1804.02767 [10] D. Fox, W. Burgard, and S. Thrun, “The dynamic window approach to collision avoidance,” *IEEE Robotics & Automation Magazine*, vol. 4, no. 1, pp. 23–33, Mar. 1997. [11] PiBorg, “MonsterBorg – Ultimate Raspberry Pi Robot Platform,” [Online]. Available: https://www.piborg.org/monsterborg. Accessed: Jun. 20, 2025. [12] Raspberry Pi Foundation, “Raspberry Pi 3 Model B+ Technical Specifications,” [Online]. Available: https://www.raspberrypi.com/products/raspberry-pi-3-model-bplus/. Accessed: Jun. 20, 2025. [13] L298N Motor Driver Module Data Sheet. [Online]. Available: https://components101.com/modules/l298n-motor-drivermodule. Accessed: Jun. 20, 2025. [14] OpenCV Docs, “QR Code Detection with OpenCV,” [Online]. Available: https://docs.opencv.org/. Accessed: Jun. 20, 2025. [15] Microsoft, “Word Equation Editor User Guide,” [Online]. Available: https://support.microsoft.com/. Accessed: Jun. 20, 2025. [16] Inkscape Project, “Inkscape Free Vector Graphics Editor,” [Online]. Available: https://inkscape.org/. Accessed: Jun. 20, 2025.