LiDAR Sistemlerde Görüntü İşleme ve Nokta Bulutu Analizi

Otonom araçlar, İHA'lar ve endüstriyel robotlarda kullanılan LiDAR sensör verilerinin 3D nokta bulutu işleme algoritmaları ile nesne tespiti ve çevre haritalamaya dönüştürülmesi rehberi.

Otonom sistemlerin çevrelerini 3 boyutlu olarak algılayabilmeleri, modern robotik dünyasının en kritik aşamalarından biridir. LiDAR (Light Detection and Ranging) sensörleri, saniyede yüz binlerce lazer darbesi göndererek nesnelerin uzaklığını milimetrik hassasiyetle ölçer. Ancak bu işlem sonucunda elde edilen ham veri, düzensiz uzay koordinatlarından oluşan devasa bir Nokta Bulutu (Point Cloud) kümesidir. Bu noktaların anlamlı nesnelere dönüştürülmesi ise ileri seviye görüntü işleme ve algoritma tekniklerini gerektirir.

1 LiDAR Verisinin Yapısı ve Çalışma Prensibi

Geleneksel 2D kameralar bir sahnedeki piksellerin renk (RGB) değerlerini yakalarken, LiDAR sensörü nesnelerin X, Y, Z uzay koordinatlarını ve lazer ışınının geri yansıma şiddetini (Intensity) üretir.

2 Nokta Bulutu Görüntü İşleme Adımları

LiDAR ham verisini anlamlı bir otonom sürüş veya haritalama girdisine dönüştürmek için standart bir işleme hattı (pipeline) uygulanır:

1. Gürültü Temizleme (Voxel Grid Filtering): Sensörden gelen milyonlarca noktayı küçülterek (downsampling) veri boyutunu düşürür ve hatalı lazer sıçramalarını eler.
2. Zemin Ayrıştırma (RANSAC Ground Plane Removal): Algoritmanın aracın gittiği zemin yüzeyini tespit edip nokta bulutundan çıkarmasını sağlar; böylece sadece engeller kalır.
3. Kümeleme (Clustering / Euclidean Cluster): Zemin çıkarıldıktan sonra birbirine yakın noktalar gruplanarak araç, yaya veya bina gibi nesne adayları oluşturulur.
4. Sınıflandırma ve Bounding Box Yapılandırması: Kümelenen her nokta grubunun etrafına 3D kutular (Bounding Box) çizilerek nesnenin boyutu ve yönü hesaplanır.

import open3d as o3d

# 1. LiDAR nokta bulutu dosyasını yükle
pcd = o3d.io.read_point_cloud("lidar_scan.pcd")

# 2. Voxel Grid ile Seyreltme (Downsampling)
downpcd = pcd.voxel_down_sample(voxel_size=0.05)

# 3. RANSAC ile Zemin Düzlemini Tespit Et
plane_model, inliers = downpcd.segment_plane(distance_threshold=0.02,
                                             ransac_n=3,
                                             num_iterations=1000)

# 4. Zemin ve Engelleri Ayır
inlier_cloud = downpcd.select_by_index(inliers) # Zemin
outlier_cloud = downpcd.select_by_index(inliers, invert=True) # Engeller

o3d.visualization.draw_geometries([outlier_cloud])

3 Kamera ve LiDAR Füzyonu (Sensör Füzyonu)

Tek başına LiDAR, yüksek derinlik doğruluğu sağlasa da trafik ışığının rengini veya yol tabelasındaki yazıyı okuyamaz. 2D Kameralar ise zengin renk verisi sunar ancak mesafe ölçümünde yetersizdir. Bu noktada Sensor Fusion (Sensör Füzyonu) devreye girer. LiDAR'ın 3D koordinatları, piksel projeksiyon matrisleri ile kamera görüntüsü üstüne çakıştırılarak hem derinliği hem de rengi bilinen hibrit bir algılama elde edilir.