Görüntüleme Sonarı İle Yakalanan Görüntülerde Bulanık Mantık ...

2011 IEEE 19th Signal Processing and Communications Applications Conference (SIU 2011)
Görüntüleme Sonarı İle Yakalanan Görüntülerde Bulanık Mantık Temelli Engel
Tespiti
Fuzzy Logic based Obstacle Detection in Images Captured by Imaging Sonar
ÖZETÇE
Bu çalışmada insansız sualtı araçlarının güvenli bir şekilde
ilerleyebilmesi için hedef ve engel tespiti yapan bir sistem
önerilmektedir. Sualtını görüntülemek için bir görüntüleme
sonarı kullanılmaktadır ve görüntüleme sonarı ile alınan
akustik görüntülerde öncelikle yüzey yansımalarından ve
başka sebeplerden kaynaklanan bozuklukların giderimi için
özgün bir ön-işlem önerilmektedir. Daha sonra, gürültü
giderilmiş görüntüde bulanık mantık temelli hedef/engel tespiti
yapılmakta ve farklı senaryolar için deneysel sonuçlar
verilmektedir.
ABSTRACT
In this paper, an obstacle and target detection system for safe
operation of unmanned underwater vehicles is proposed. An
imaging sonar is used to scan the underwater environment,
and a novel pre-processing method is suggested to eliminate
the noise introduced by surface reflections and other reasons
in the acoustic images taken by the imaging sonar. Afterwards,
fuzzy logic based target/obstacle detection is utilized using the
noise reduced sonar images, and experimental results are
presented for different scenarios.
1. GİRİŞ
Son yıllarda deniz tabanı fizyonomisi ve sualtı hedeflerin
algılanması ve sınıflandırılması; deniz bilimlerinde, sivil ve
askeri alanlarda özellikle keşif, gözetleme, istihbarat,
savunma, lojistik destek gibi birçok uygulamada önemli bir
konu olmuştur. Bu amaçla dünyada sualtı uzaktan kumandalı
araçlar (Remotely Operated Vehicle, ROV) ve denizaltı ve
askeri operasyonlar için özerk sualtı araçlarına (Autonomous
Underwater Vehicle, AUV) artan bir ilgi oluşmuştur. İnsansız
sualtı araçları en genel tanımı ile uzaktan kontrol edilebilen
veya önceden programlanmış görevleri icra eden, keşif,
gözetleme, tedbir alma, önleme işlevlerini yerine getirebilen
sualtı robotlarıdır [1]. Bu robotların en önemli görevleri,
mayın tespiti ve sınıflandırılması, hedef tespiti ve
sınıflandırılması, balık sürülerinin tespiti, dalga ve akıntıların
ölçümü veya deniz dibi haritalarının çıkarılması, boru hattı
denetleme şeklinde verilebilir. Bu araçlar sualtı görüntülerini
yakalamak ve bu görüntülerde engel tespiti/sakınması ve
nesne tespiti/sınıflandırması amaçlı çeşitli akustik, kimyasal
ve optik sensörler (kameralar) ile donatılmaktadır. Özellikle
978-1-4577-0463-511/11/$26.00 ©2011 IEEE
Aysun Taşyapı Çelebi, M. Kemal Güllü, Sarp Ertürk
İşaret ve Görüntü İşleme Laboratuvarı (KULIS)
Elektronik ve Haberleşme Mühendisliği Bölümü
Kocaeli Üniversitesi
aysun.tasyapi@gmail.com,{kemalg,sertur}@kocaeli.edu.tr
920
ses dalgalarının deniz içerisinde ışık ve radyo dalgalarına göre
daha hızlı ve düşük zayıflama ile yayılması nedeniyle akustik
sensörler sıklıkla kullanılmaktadır. Sonarlar [2], ses
dalgalarını kullanarak özellikle su altındaki cisimlerin boyutu,
uzaklığı ve yapıları hakkında uzaktan bilgi sahibi
olunabilmesi için kullanılan algılayıcılardır. Aktif sonarlar,
yankı yöntemiyle çalışırlar ve ses işaretlerinin demetler
hâlinde gönderilerek sesin sualtında yayılması özelliğini
kullanarak cisimlerin tespit edilmesi ve ses dalgalarının
hedeften yansıma şiddeti ve hedefe gidiş geliş sürelerini
kullanarak cismin boyutu ve uzaklığı hakkında bilgi
edinilmesini sağlamaktadır.
Bu çalışmada sualtı görüntülerinde engel tespiti ve
hedef tespiti için görüntüleme sonarından faydalanılmaktadır
ve görüntüleme sonarıyla alınan görüntülerde engel/hedef
tespiti yapabilmek için bulanık mantığa dayalı yeni bir
yöntem önerilmektedir. İkinci bölümde, kullanılan sonar
hakkında genel bilgi verilmekte, üçüncü bölümde hedef tespiti
için geliştirilen bulanık mantık temelli hedef tespiti yapan
yöntem incelenmekte ve dördüncü bölümde farklı senaryolar
için elde edilen sonuçlar değerlendirilmektedir.
2. GÖRÜNTÜLEME SONARI
Görüntüleme sonarı genellikle insansız sualtı araçlarında
engel ve hedef tespiti/sakınma amaçlı kullanılmaktadır.
Görüntüleme sonarı, nesnelerden dönen yankılara (echo) bağlı
olarak imge oluşturabilmekte ve bu imge, sonar etrafında
bulunan nesnelere dair bilgiler içermektedir.
Tarama temelli çalışan sonarlarda ses dalgaları küçük
açı artışları (adım aralığı) ile gönderilmektedir. Ses dalgası,
vericiden (transducer) çıkar ve engelden yansıyarak sonara
geri dönen bilgi kullanılarak ses dalgasının yolculuk süresi
hesaplanmakta ve ses dalgasının gönderildiği yolda hangi
uzaklıkta hedef ya da engel olduğu tespit edilebilmektedir.
Sonarın alıcısı başarılı bir şekilde yankı bilgisini elde ettikten
sonra verici bir sonraki yön (orientation) için adım aralığı
kadar döner. Yukarıdaki işlemler, belirtilen dönme adım
aralığı kadar saat yönü ya da tersine tarama şeklinde devam
eder ve 360º’yi kapsayan imgeler oluşturulur. Her seferinde
sonara geri dönen açısal bilgi ping olarak adlandırılmaktadır.
Ping sonarın başlık verisi ve yankı ışıklılık değeri, yani yankı
genlik değerlerinden oluşmaktadır. Akustik görüntü, sesin
yolculuk mesafesinin yankı genliğine göre çizilmesi ile elde
edilir.
Şekil 1-a’da, bu çalışmada veri almak için kullanılan
görüntüleme sonarı görülmektedir. Bu çalışmada kullanılan

sonar, Tritech firmasının Super Seaking DDFS
sonarıdır. Bu
sonar, çift frekanslı (325KHz-600 KHz) vee
chirp teknolojisi
ile çalışan standart bir engel sakınma sonarrıdır
[3]. Yaklaşık
300m’ye kadar görme aralığı mevcuttur. Bu sonarda ses
dalgası yelpaze huzme şeklinde gönderiilmektedir.
Dikey
huzme genişliği 325Khz için 20°, 600Khz iiçin
40°’dir. Yatay
huzme genişliği ise 325Khz için 3°, 600KKhz
için 1.5°’dir.
Şekil 1 (b)’de görüntüleme sonarının yyelpaze
şeklindeki
huzme şekli gösterilmektedir.
(a)
Şekil 1:(a) Super Seaking Görüntülemee
Sonarı, (b) Super
SeaKing sonarı tarafından üretilen yelpaze şeklindeki huzme.
Tarama sırasında geri dönen açısal pingg
verisi belli sayıda
aralığa (bin) bölünmüş haldedir ve her bir aralık farklı
uzaklıklardan geri dönen yankı şiddeetini
vermektedir.
Dolayısıyla, sonarın ölçüm menzili bbelirlenen
aralığa
bölünmüş olmakta ve ilgili ping açısında eengel/hedef
olması
durumunda, engelin/hedefin bulunduğu mmesafeye
karşılık
gelen aralıkta yüksek yankı şiddeti bulunmmaktadır.
Örneğin;
100m ölçüm menzilinde 70m’de bir engel oolması
durumunda,
250 aralığa bölünmüş bir ping için 175.
aralık civarında
yüksek genlik değeri beklenmektedir.
3. BULANIK MANTIK TEMELLİ ENNGEL
TESPİTİ
Bu çalışmada, görüntüleme sonarı ile alınan
görüntülerde
engel tespiti için ardışık iki işlem uygulanmaaktadır.
Bunlardan
ilki ön işlemedir ve bu işlemde amaçlaanan,
elde edilen
görüntülerdeki gürültüleri azaltmaktır. Soonraki
adımda ise
gürültüsü azaltılmış görüntüde bulanık maantık
temelli engel
tespiti yapılmaktadır.
3.1. Ön-İşleme
Alınan akustik görüntüde oldukça fazla gürüültü
bulunmaktadır.
İlk aşamada her bir pingdeki gürültünün yook
edilmesi için bir
ön-işleme yapılmalıdır. Ön-işleme sırrasında
ping’deki
aralıklara blok blok erişilerek [4]’deki yaklaşıma paralel
şekilde bir eşikleme yapılmaktadır. Eşiklemme
yapılırken 48’lik
örtüşen pencereler alınmaktadır. Alınan penceredeki yankı
genlikleri kullanılarak [5]’de kullanılan eşikleme yöntemi
kullanılarak yerel bir eşik değeri hesaplannıp
ortadaki 16’lık
bloktaki yankı genlikleri değerleri bu eşik değerinin
altında ise
ilgili değerler sıfıra çekilmektedir, eşikkten
yüksek olan
değerler ise tutulmaktadır. Eşik değeri
T = μ + 0.5* σ
2011 IEEE 19th Signal Processing and Communications Applications Conference (SIU 2011)
şeklinde hesaplanmaktadır. Buradaki μ o anki pencerenin
ortalama değerini, σ ise standart sapmasıını
göstermektedir.
Akustik görüntünün merkezinde ssensör
gürültüsü
oluşmaktadır. Bu gürültüyü ihmal etmek ammacıyla
her pingde
belli miktarda aralık yankı genliği sıfıra çeekilmektedir.
Şekil
(b)
(1)
921
2‘de örnek bir akustik görüntü vee
ön-işlem sonrası elde edilen
görüntü gösterilmektedir.
Şekil 2: (a) Akustik Görünttü,
(b) Ön-işlem sonucu.
3.2. Bulanık Mantık Temelli Teespit
Bulanık mantık, sözel ifaddeleri
kurallar ve üyelik
fonksiyonları yardımıyla kural taabanına
çeviren bir yöntemdir
[6]. Bir bulanık mantık modelininn
oluşturulması, girdi ve çıktı
değişkenlerin tanımlanması ve bulanık kuralların
şekillendirilmesi ile başlar. Sözzel
değişkenlerin ifadesinde
kullanılan üyelik fonksiyonları genellikle üçgensel, yamuk,
Gauss veya çan yapısında tanımmlanmaktadır.
Girişler üyelik
fonksiyonları ile bulanıklaştırıllmakta
ve belirlenen kural
tabanı dahilinde yorumlanarak bir
çıkış üretilmektedir.
Bu çalışmada öncelikle tarannan
ping, engel/hedef tespiti
için alt-pinglere ayrıştırılmaktadır.
Alt-pingler ardı ardına
gelen aralıklarda yankı genliğğinin
sıfırdan farklı olduğu
yerlerdir. Örnek olarak Aralık[555]
ile Aralık[60] arasında ardı
ardına sıfırdan farklı genlik elde edilmişse bu bölgeye alt-ping
denilmektedir. Bu bölgenin uzunnluğu
darbe uzunluğu olarak,
bu aralıktaki maksimum genliği ise maksimum genlik olarak
bulanık mantık sistemimizde girriş
olarak kullanmaktadır [7].
Tasarladığımız bulanık mantık siistemi
iki girişli bir çıkışlı bir
sistemdir. Giriş değişkenleri altt-pinglerdeki
darbe uzunluğu
ve maksimum yankı genlik değğerleridir.
Kullanılan üyelik
fonksiyonları ise yamuk üyelik ffonksiyonlarıdır.
Her bir giriş
ve çıkış için az, orta ve fazla olmak üzere üç adet üyelik
fonksiyonu kullanılmaktır. Ayrııca
Sugeno [8] tipi bulanık
mantık modeli kullanılmaktadır. Şekil 3’de 2 giriş-1 çıkış için
bulanık düzeltme sisteminin yapısı
gösterilmektedir.
Şekil 3: Bulanık düzeltme sistemmi
için 2 giriş-1 çıkış bulanık
çıkartma ssistemi.
Bulanık sistemin istenen şşekilde
tasarlanabilmesi için
ifade edilecek sistemin işleyişinnin
iyi şekilde tanınması ve
kural tabanının dikkatli biir
biçimde oluşturulması
gerekmektedir. Çalışmada, sonarrdan
alınan pinglerde hedefin
varlığı ve oluşan alt-pinglerdeki ddarbe
genişliği ile maksimum
yankı genliğinin aldığı değerler analiz edilerek kural tabanı
oluşturulmuştur.
Çalışmada kullanılan sonarr
çift frekanslı olduğu için bu
iki frekans için elde edilen görünntülerin
karakteristikleri farklı

olduğundan, her iki frekans modu için ayrı iki bulanık mantık
sistemi oluşturulmuştur. 325kHz sonar çalıışma
frekansı için
kullanılan giriş üyelik fonksiyonlarrı
Şekil 4’de
gösterilmektedir.
(a)
(b)
Şekil 4: (a) Giriş 1 üyelik fonksiyonu,
(b) Giriş 2 için
üyelik fonksiyonu.
Çıkış değerleri üyelik fonksiyonu olaraak
tanımlanmış ve
sözel değişkenler olarak ifade edilmiştir.
Çıkış değişkeni
olarak atanan sözel değişkenler Az, Orta ve Fazla şeklinde
belirlenmiştir.
Bulanık mantık sisteminde dokuz ayrı kuural
belirlenmiştir.
Tablo 1’de kural tabanı gösterilmektedir. HHer
bir alt-ping için
iki adet giriş değişkeni sisteme sözsel ifade olarak girilmiş ve
Sugeno çıkartım sistemi ile kurallar çalıştırrılmış,
çıkış üyelik
fonksiyon ağırlıkları bulunarak nihai sonuuç
elde edilmiştir.
Elde edilen çıkış değeri belirlenen bir eşik ddeğerinden
yüksek
ise burada hedef/engel mevcut kararı vverilmektedir.
Bu
çalışmada, çıkış değerleri 0 ile 100 arasındaa
üretildiği için bu
eşik değeri deneysel şekilde 50 olarak belirleenmiştir.
Giriş 1
(Genlik)
2011 IEEE 19th Signal Processing and Communications Applications Conference (SIU 2011)
Tablo 1: Bulanık sistem için kkural
tabanı.
Giriş 2 (Darbe uzunlluğu)
Az Orta Fazla
Az Az Az Az
Orta Az Orta Fazla
Fazla Orta Fazla Fazla
Bu yöntemin en önemli avantajı, hedeff
tespiti yapılırken
satır temelli tespit yapıldığından sonarınn
360°’lik turunu
tamamlamasının beklenmemesi ve gerçek
zamanlı sonuç
alınmasıdır. Sonarın her açı değeri için aldıığı
veri işlenerek o
konumda hedef olup olmadığı hakkında karar
verilebilmesidir.
922
4. DENEYSEEL
SONUÇLAR
Yöntemde bulanık mantık sisteminin parametrelerinin
belirlenmesi ve testlerinin yapılmması
için görüntüleme sonarı
4.75m×8.7m boyutlarındaki dikddörtgen
bir havuzun ortasında
bulunan bir platforma yerleştirilmmiş
ve farklı hedef durumları
için farklı parameteler ile görüüntüler
alınmıştır. Şekil 5‘de
havuz ortamının temsili çizimi göörülmektedir.
Şekil 5: Çalışmma
ortamı.
Havuzun derinliği yaklaşıkk
2m civarındadır ve sonar
50cm derinliğe daldırılmıştır. Burada amaçlanan yüzey
yansımalarını testlere dahil etmmektir
ve alınan görüntülerde
yüzey yansımaları net şekilde görülmektedir. Daha sonra,
farklı frekanslarda ve farklı ttarama
aralıkları için farklı
hedefler konularak görüntüler alınnmıştır.
Şekil 6-a’da Super SeaKingg
sonarının 325HKz frekansta,
2m aralık için 360°’lik taraması sonunda elde edilen akustik
görüntü, şekil 6-b’de ise bulanık mantık sistemi çıkışında elde
edilen hedef görüntüsü verilmeektedir.
Görüntüde bir adet
hedef bulunmaktadır. Ayrıca, hhavuzun
kenarının sonardan
uzaklığı sonarın tarama aralığıından
daha az olduğu için
akustik görüntüde havuzun duvarı da hedef olarak
algılanmaktadır.
Şekil 6: (a) Akustik Görüntü, (b) Bulanık mantık çıkışı.
Sonar görüntüsünde hedeffin
algılanmasının yanında
bulunan hedefin sonardan ne kaadar
uzakta olduğu ve hangi
yönde olduğu hesaplanabilmekteddir.
Şekil 7-a’da 325KHz’de 2m tarama aralığında elde edilen
ve iki hedefin olduğu akustik görrüntü
ile bulanık mantık çıkışı
bulunmaktadır. Şekil 7-b’de çalışma frekansı 650KHz’e
çıkartılmış ve hedef tespiti yapılmmıştır.
Burada sisten 650KHz
için tasarlanmış Sugeno tipi bulanık mantık modelini
kullanarak hedef tespiti yapmakktadır.
Şekil 7-c’de çalışma
frekansı 325KHz ve tarama aralıığı
6m’ye çıkartılarak akustik
görüntü ve bulanık mantık çıkışı bulunmaktadır. Bu görüntüde
tarama aralığı 6m’ye çıkartıldığğı
için havuzun tüm kenarları
ortaya çıkmış ve bu kenarlar dda
hedef olarak algılanmıştır.
Elde edilen görüntüde havuzun kkenarları
içinde kalan kısımda
iki hedefimiz doğru şekilde tesspit
edilmektedir ama bunun
yanında havuz kenarlarının dışında kalan kısımda

2011 IEEE 19th Signal Processing and Communications Applications Conference (SIU 2011)
yansımalardan dolayı hedef/engel tespiit
edilmiştir. Bu
çalışmada sonarın haberleşme protokolü vee
hedef tespiti için
gerekli kodlar C# da yazılmıştır ve heddef
tespiti gerçek
zamanlı olarak yapılabilmektedir.
(a)
(b)
(c)
Şekil 7: Farklı koşullarda alınmış akusstik
görüntüler ve
bulanık mantık çıkışıyla elde edillen
sonuçlar.
5. SONUÇLAR
Bu çalışmada görüntüleme sonarı kullanılaarak
insansız sualtı
araçlarında kullanılabilecek engel ve nesnee
tespiti yapan bir
sistem önerilmektedir. Farklı frekanslarr
için tasarlanan
sistemler çok fazla gürültü ve yüzey yannsımaları
olmasına
rağmen hedef veya engel olup olmadığınaa
ve sensörden ne
kadar uzaklıkta olduğuna dair doğru teespit
yapmaktadır.
Yöntem çok sayıda farklı durum için test eedilmiş
ve başarılı
tespit sonuçları verdiği görülmüştür. AAyrıca
yöntemin
hesapsal yükünün düşük olması, su altı ottonom
araçlarında
gerçek zamanlı olarak kullanımına olanak saağlamaktadır.
6. KAYNAKÇA
[1] Leonard J., Bennett A., Smith C. , and Feder H.,
“Autonomous Underwater Vehiccle
Navigation,”
Massachusetts Institute of Technoloogy,
MIT Marine
Robotics Laboratory Technical Memorrandum,
pp. 98-1,
1998.
[2] Waite A. D., “Sonar for Practising EEngineers,”
Wiley
Chichester, 2002.
923
[3] http://www.tritech.co.uk/prooducts/datasheets/super-
seaking.pdf
[4] Zhao S., Anvar A., and Lu TT.,
“Automated Mapping and
Localization for Autonommous
Underwater Vehicle's
Navigation Using Imagiing
Sonar,” International
MultiConference of Engineeers
and Computer Scientists
IMECS 2009, pp. 1361-13677,
2009.
[5] Ertürk A., Ertürk S., “Two--Bit
Transform for Aralıkary
Block Motion Estimation,” Transactions on Circuits and
Systems for Video Technoloogy,
vol. 15, no. 7, pp. 938-
946, 2005.
[6] Şen, Z., “Mühendislikte BBulanık
(Fuzzy) Mantık ile
Modellenme Prensipleri,” SSu
Vakfı Yayınları, İstanbul,
2004.
[7] Zhao S., Lu Tien-Fu, and AAnvar
A., “Multiple Obstacles
Detection using Fuzzy Innterface
system for AuV
navigation in natural water” ”, Industrial Electronics and
Applications (ICIEA), 2010 the 5th IEEE Conference on,
pp. 50-55, 2010.
[8] Sugeno, M., “Industrial appplications
of fuzzy control,”
Elsevier Science Pub. Co., 11985.