Otonom Sürüş Mekaniği ve Kodlama Mimarisi: Algoritmalar, Sensör Füzyonu ve Kontrol

Sürücüsüz bir aracın dinamik trafikte emniyetli bir şekilde ilerlemesi; fiziksel mekanik, matematiksel modelleme ve karmaşık yazılım algoritmalarının milisaniyeler düzeyinde kusursuz bir senkronizasyonla çalışmasını gerektirir.

Otonom sürüş teknolojisi, tek bir yazılım modülü veya basit bir yönlendirme mekanizmasından ibaret değildir. Sistem; çevreyi algılama, konumu belirleme, gelecek senaryolarını tahmin etme, karar verme ve fiziksel eyleyicileri (aktüatörleri) yönetme gibi katmanlı bir yapının üst üste kurulmasıyla inşa edilir. Bu rehberde, otonom araç yazılımlarının arkasındaki temel mekanik ilkeleri, matematiksel modelleri ve mimari katmanları detaylıca inceliyoruz.

1 Otonom Sürüşün Temel Yazılım Katmanları

Bir otonom aracın yazılım mimarisi, verinin akış yönüne göre belirlenmiş dört ana katmandan oluşur. Bu katmanlar arasındaki veri alışverişi genellikle ROS 2 (Robot Operating System) gibi düşük gecikmeli, yayıncı-abone (publisher-subscriber) mimarisine dayanan ara yazılımlar üzerinden sağlanır.

2 Sensör Teknolojileri ve Sensör Füzyonu

Otonom araçlar tek bir sensör türüne asla güvenmezler. Farklı havalarda, ışık koşullarında ve mesafelerde her sensörün güçlü ve zayıf yönleri bulunur:

• LiDAR (Light Detection and Ranging): Saniyede milyonlarca lazer ışını göndererek ortamın 3 boyutlu nokta bulutunu (point cloud) çıkarır. Gece sürüşünde mükemmeldir ancak yoğun yağmur ve siste verimi düşer.
• Kameralar (Bilgisayarlı Görü): Trafik ışıklarının rengini okuma, tabela tanıma ve şerit tespiti gibi görsel veri gerektiren işlerde temel bileşendir. Semantik bölütleme (semantic segmentation) algoritmaları ile nesneleri ayırır.
• Radar: Radyo dalgaları kullanarak özellikle hareketli nesnelerin bağıl hızını ve mesafesini doğrudan Doppler etkisiyle ölçer. Sis, yağmur ve kötü hava koşullarından etkilenmez.
• IMU ve Tekerlek Enkoderi: Aracın ivmesini, açısal hızını ve tekerlek tur sayısını ölçerek kısa mesafeli bağıl konum hesabını besler.

3 Lokalizasyon ve SLAM Mekaniği

Geleneksel GPS (GNSS) verileri, şehir içindeki yüksek binalar veya tüneller nedeniyle birkaç metrelik sapmalar gösterebilir. Ancak otonom bir aracın kendi şeridinde kalabilmesi için santimetre seviyesinde (1-5 cm) hassasiyete ihtiyacı vardır.

Bu seviyedeki hassasiyet için HD Map (Yüksek Çözünürlüklü Harita) ve SLAM (Eşzamanlı Konumlandırma ve Haritalama) teknikleri kullanılır. Araç, LiDAR ve kameralarından aldığı anlık çevre taramasını önceden hafızasında bulunan HD harita ile karşılaştırır. Iterative Closest Point (ICP) ve Normal Distributions Transform (NDT) gibi tespitleme algoritmaları, canlı nokta bulutunu haritaya oturtarak aracın uzaydaki hassas pozisyonunu (x, y, z) ve yönelim açısını (yaw, pitch, roll) hesaplar.

4 Karar Verme ve Yol Planlama Algoritmaları

Yol planlama katmanı, aracın "Ne yapmalıyım?" sorusuna yanıt verdiği bölümdür ve hiyerarşik olarak üç alt adıma ayrılır:

1. Küresel Rota Planlama (Global Planning): Aracın mevcut konumundan hedef adrese gitmesi için kullanacağı otoyol ve cadde ağını belirler. İki boyutlu ızgara veya graf haritaları üzerinde A* (A-Star) veya Dijkstra algoritmaları çalıştırılarak en kısa/en hızlı rota bulunur.
2. Davranışsal Karar Verme (Behavioral State Machine): Trafik kurallarına ve çevre dinamiklerine göre anlık sürüş modunu seçer. Şerit değiştirme, kavşakta bekleme, öndeki aracı sollama veya dur-kalk yapma gibi kararlar Sonlu Durum Makineleri (FSM) veya Karar Ağaçları ile yönetilir.
3. Yerel Yol ve Yörünge Planlama (Local Trajectory Planning): Anlık engellerden kaçınmak ve yolcular için sarsıntısız bir sürüş sunmak adına milisaniyelik yörüngeler üretir. Aracın hızını, ivmesini ve direksiyon açısını zaman parametresiyle birleştiren yumuşak eğriler (Polynomial Splines, Bezier Curves) çizilir.

5 Araç Kinematiği ve Alt Seviye Kontrol

Üst seviye planlama katmanı mükemmel bir yörünge çizebilir; ancak bu yörüngeyi aracın fiziksel motoruna, fren hidroliğine ve direksiyon kutusuna aktarmak mekanik kontrol teorisine dayanır. Otonom araçlarda yaygın olarak kullanılan kinematik modeller şunlardır:

Ackermann Direksiyon Mekanizması ve Bisiklet Modeli

Otomobiller ön tekerleklerin dönme açılarıyla yönlenir. Matematiksel olarak hesaplamaları basitleştirmek adına ön ve arka ikişer tekerlek, aracın merkez hattında yer alan tek birer tekerlek gibi varsayılarak "Bisiklet Modeli" (Kinematic Bicycle Model) oluşturulur. Aracın dingil mesafesi, dönüş yarıçapı ve kayma açısı bu fiziksel model üzerinden hesaplanır.

Kontrol Algoritmaları

Aracın hedeflenen yörüngeden ne kadar saptığını (çapraz iz hatası / cross-track error) ölçen ve bu hatayı sıfırlamak için direksiyon ile gaz/fren komutlarını üreten yapıdır:

• Pure Pursuit: Aracın önünde belirli bir "hedef noktası" seçip sürekli o noktaya doğru bir dairesel yay çizerek yönelmesini sağlayan geometrik bir kontrolcüdür.
• Stanley Kontrolcüsü: Hem ön aksın yörüngeye olan mesafesel hatasını hem de yönelim açısı hatasını dikkate alarak direksiyon açısını düzeltir.
• MPC (Model Öngörülü Kontrol): Aracın fiziksel sınırlarını (maksimum direksiyon açısı, kayma katsayısı, fren mesafesi) kısıt olarak alan ve gelecekteki belirli bir zaman ufkunu optimize ederek komut üreten en gelişmiş kontrol mekanizmasıdır.