Tədqiqat, Küresel Naviqasiya Uydu Sistemleri (GNSS) kullanılamadığında bir multikopterin yerde gördüğü relyefyi daha əvvəl kaydedilmiş marşrut görüntüleriyle karşılaştırarak mövqeunu belirlemesini və marşrutsına geri istiqamətelmesini amaçlayan adaptiv bir bort görü sistemi öneriyor. Sistemin ayırt edici özelliği, tek bir görüntü tanıma metodine sürekli bağlı kalmak yerine gözlenen relyef və görüntü koşullarına göre fərqli tanıma metodlerinin uygunluğunu qiymətləndirməsi, daha elməlumatşli metodi seçmesi və ya birkaç metodi çəkili biçimde birləşdirməsidir.

Yaklaşım klasik nesne tespitinden fərqli kimi Dünya yüzeyinin tamamını yapısal bir naviqasiya kaynağı gibi ele alıyor. Multikopter kamerasından gelen ikiölçülü relyef görüntüsü səs-küyün azaldılması, parlaqlığın normallaşdırılması, həndəsi düzəltmə, seqmentasiya, boz tona dönüştürme və miqyaslama gibi işlemlerden geçirildikten sonra bir birölçülü struktur siqnalıe dönüştürülüyor. Bu sinyal, relyef görüntüsündeki parlaklık və yapısal değişimin bir dizi halinde temsil edilmesini sağlıyor və istinad marşrut görüntülerinden çıkarılmış sinyallerle karşılaştırılıyor.

Tanıma sistemi amplitude method (AM), derivativə method (DM), Dynamic Time Warping (DTW), Derivative Dynamic Time Warping (DDTW), Fourier Transform (FT) və Wavelet Transform (WT) metodlerinden oluşan bir metod havuzu tanımlıyor. Ancak mevcut tədqiqatnın sayısal deneylerinde bu havuzun tamamı değil, esas kimi WT və FT karşılaştırılıyor. Metodlerin davranışı tek bir ölçüte göre değil; uniformluq, simmetriya, yaxınlaşma sürəti və həssaslıq kimi adlandırılan dört uyğunluq meyariyle değerlendiriliyor.

Bu amaçla tədqiqatçı, əsas relyef görüntüsünü idarəetməlü miktarlarda sürüşdürərək süni siqnal ailələri oluşturuyor. \(d_1=2\) və \(d_2=4\) məkan sürüşmə değerlerinde WT və FT'nin uyğunluq ölçütlerinin değiştiği gösteriliyor. Böylece hangi tanıma metodinin belirli bir görüntü ailəsinde daha sabit davrandığına ilişkin bir qiymətləndirmə yapılması amaçlanıyor. Tədqiqatın kendi yorumuna göre həssaslıq analizi WT tabanlı yaklaşımın FT'ye göre daha yüksək dayanıklılık gösterdiğine işaret ediyor.

Gerçek relyef örneklerinin tanınmasında istinad görüntü \(L_0\) ilə ona giderek daha az benzeyen \(L_1\), \(L_2\) və \(L_3\) görüntüleri karşılaştırılıyor. WT məsafəleri sırasıyla 26,286; 137,53 və 214,24, FT məsafəleri 18,861; 45,234 və 56,916, “Convolution” kimi məlumatlen birləşik yaklaşımın değerleri ise 24,236; 112,05 və 170,81 kimi raporlanıyor. Her üç yaklaşımda da görüntü istinadtan uzaklaştıkça məsafənin büyümesi, struktur-siqnal gösteriminin relyef oxşarliğindeki değişimi ayırabildiğini gösteriyor.

Bununla birlikte bu değerler doğrudan bir “tanıma doğruluğu yüzdesi” deyildir. Tədqiqatda sınıflandırma accuracy, precision, recall, mövqe xətası, metre cinsinden marşrut sapması və ya real uçuş başarısı bildirilmir. Ayrıca metodler fərqli ölçüm ölçekleri üretebildiğinden FT'nin mutlak məsafə değerlerinin WT'den küçük olması tek başına FT'nin daha başarılı olduğu anlamına gelmez; makale de fərqli metodlerin nəticələrının çəkili birləşdirmə əvvəlsinde normalize edilmesi gerektiğini belirtmektedir.

Önerilən tam memarlıq yalnız görüntü tanımadan oluşmuyor. İstinad marşrut nəzarət nöqtələri, bunlara ait görüntüler və struktur siqnalıler əvvəlden bort məlumat bazasında saklanıyor. Mevcut görüntü en olası nəzarət nöqtəsiyla eşleştiriliyor, əvvəlki və sonraki nəzarət nöqtələriyla mantıksal tutarlılık denetleniyor, gerektiğinde marşrut sırası ters çevrilərek dönüş marşrutsı oluşturuluyor və mövqe farkları uçuş idarəetməüne aktarılıyor. Ancak bu tam kapalı çevrim memarlıq bu tədqiqatda fiziki bir multikopter üzerinde təsdiqlənmiş deyildir.

Türkiyə baxımından qiymətləndirmə: Relyef istinadlı vizual naviqasiya yaklaşımı, GNSS alımının doğal və ya teknik nedenlerle zayıfladığı bölgelerde çalışan haritalama, altyapı inceleme, arama-kurtarma və otonom hava aracı tədqiqatları açısından metodsel değer taşıyabilir. Özellikle yüksək hesaplama gücü gerektiren büyük öğrenme modelleri yerine sinyal işleme tabanlı bir metod havuzuna istiqamətelmesi aşağı güçlü bort bilgisayarlar açısından tədqiqatya değerdir. Ancak Türkiye'deki real bir saha uygulaması üçün fərqli relyef tipleri, mevsimler, ışık koşulları, irtifalar, kamera geometriləri, IMU bütünleştirmesi, real işlemci gecikmesi və fiziki GNSS kaybı senaryolarıyla ayrıca doğrulama gerekir.

GNSS kaybolduğunda əsas problem nedir?

Bir multikopter GNSS bilgisini kaybettiğinde yalnız atalet sensorlerinden üretilən mövqe tahminleri zaman üçünde xəta biriktirebilir. Tədqiqat bu nedenle yerdeki relyef görünümünü dış bir naviqasiya istinadı gibi kullanmayı amaçlıyor.

Əsas fikir şöyledir: Multikopter marşrut boyunca daha əvvəl tanımlanmış belirli nəzarət nöqtələrinda relyefnin nasıl görünmesi gerektiğini bilir. Uçuş sırasında mevcut kamera görüntüsü bu istinadlarla karşılaştırılır. En iyi eşleşme, aracın hangi marşrut nəzarət nöqtəsina yakın olduğuna ilişkin görsel bir mövqe tahmini oluşturur.

Şəkil 1-dəki ümumi sistem memarlığı

Tədqiqatın ana memarlıqsi altı ana qat halinde gösterilmektedir:

1. Sensor qatı: multikopter platformu, aşağı istiqamətəlmiş kamera, IMU və barometr.
2. Görüntü edinme və ön işleme: ham kare, gürültü azaltma, parlaqlığın normallaşdırılması, həndəsi düzəltmə, ilgi bölgesi çıkarımı, seqmentasiya, boz tona çevrilmə və yeniden boyutlandırma.
3. Yapısal-sinyal gösterimi: işlenmiş relyef görüntüsünün lineerleştirilərek birölçülü sinyale dönüştürülmesi.
4. Adaptiv tanıma: fərqli metodlerin və uyğunluq meyarlerinin değerlendirilmesi, metod seçimi və çəkili birləşdirmə.
5. Naviqasiya analizi: istinad sinyalleriyle eşleşme, nəzarət nöqtəsi bulma, marşrut və mövqe/istiqamət tahmini.
6. Uçuş idarəetməü: marşrut takibi, tutum–irtifa idarəetməü, hız idarəetməü və aktüatör komutları.

Memarlıqnin altında ayrıca əvvəlden oluşturulmuş bir istinad məlumat bazası bulunur. Burada marşrut planı, marşrut boyunca alınmış istinad relyef görüntüleri, bunlardan çıkarılan struktur siqnalıler və her görüntünün koordinatları saklanır.

Bu şema tədqiqatın sistem düzeyindeki hedefini çok açık gösterse de deneysel kanıtın tamamı bu blokların hepsini kapsamamaktadır. IMU, barometr, tutum idarəetməü və ya aktüatör komutları üçün deneysel sensor füzyonu ya da kapalı çevrim uçuş grafikleri məlumatlmemiştir.

Relyef görüntüsü niyə birölçülü siqnala çevrilir?

Tədqiqatın əsas tasarım tercihi, yüksək çözünürlüklü ikiölçülü relyef görüntüsünü doğrudan ağır görüntü tanıma memarlıqleriyle karşılaştırmak yerine yapısal özelliklerini bir boyutlu sinyal halinde temsil etmektir.

Başlangıç görüntüsü:

\[ I(x,y) \]

ilə gösterilmektedir.

Ön işlemden sonra görüntü boz tona çevrilir:

\[ I(x,y)\rightarrow C(x,y) \]

ardından seqmentasiya və miqyaslama sonucunda:

\[ C(x,y)\rightarrow C_s(x,y) \]

elde edilir.

Son aşamada görüntü lineerleştirilərek:

\[ S(t)=\mathfrak{I}\{C_s(x,y)\} \]

biçiminde birölçülü bir struktur siqnalı üretilir. Buradaki \(\mathfrak{I}\), mənbəta görüntü xəttiləşdirmə işlemini temsil eden operatördür.

Ortaya çıkan \(S(t)\) dizisi, relyefnin məkan yapısına bağlı parlaklık değişimini sinyal işleme metodlerinin kullanabiləceği biçime dönüştürür.

Şəkil 2-nin göstərdiyi çevrilmə

Şəkil 2 metodi görsel kimi:

Relyef görüntüsü → Ön işleme → Segmentasyon → Gri ton → Lineerleştirme → Yapısal sinyal

zinciriyle göstərir.

Burada mənbə üçünde küçük bir sıra farkı vardır. Metinsel açıklama boz tona çevrilməü seqmentasiyadan əvvəl tarif ederken Şəkil 1 və Şəkil 2 seqmentasiyau boz tona çevrilməden əvvəl yerleştirir. Bu durum metodin genel mantığını değiştirmez; ancak yazılımın birebir yeniden uygulanması açısından işlem sırasını belirsiz bırakır.

Süni relyef-siqnal ailəsi nədir?

Bir metodin yalnız tek görüntü çiftinde iyi nəticə vərmesi yeterli görülmemektedir. Tədqiqatçı, metodlerin küçük məkan değişiklikler karşısında nasıl davrandığını incelemek amacıyla əsas sinyali idarəetməlü biçimde değiştirerek süni siqnal ailələri oluşturur.

Əsas struktur siqnalı:

\[ S_0(t) \]

olduğunda ailə:

\[ \Omega_h= \{S_0(t),S_1(t),\ldots,S_n(t)\} \]

şeklindedir.

\(S_i(t)\) sinyalleri, əsas relyef görüntüsünün sabit \(h\) adımlarıyla məkan kimi kaydırılmış sürümlerinden oluşturulur.

Tədqiqat bu yapının şu değişimleri idarəetməlü biçimde temsil edebiləceğini belirtmektedir:

• multikopter mövqeundaki kayma,
• bakış açısı değişikliği,
• görüntü ölçeği değişikliği,
• yerel məkan pozulmalar,
• görüntü oluşum koşullarındaki değişiklikler.

Tanıma məsafəsi nəyi ifadə edir?

Her süni sinyal, istinad sinyalle seçilən tanıma metodinin məsafə metriği üzerinden karşılaştırılır:

\[ D_k(S_0,S_i) \]

Burada \(k\), kullanılan tanıma metodini ifade eder.

Ardışık:

\[ D_k(S_0,S_1),\; D_k(S_0,S_2),\ldots, D_k(S_0,S_n) \]

değerlerinin davranışı metodin görüntü kayması və bozulması karşısındaki sabitlığını qiymətləndirmək üçün kullanılır.

Dörd uyğunluq meyarı

Mənbə tanıma metodlerini dört meyarle qiymətləndirməktedir:

Bu meyarlerin matematiksel formülleri mevcut makalede yeniden məlumatlmemiş, əvvəlki tədqiqatlara istiqamətlendirilmiştir. Dolayısıyla tədqiqatın uyğunluq qiymətləndirmə modülü yalnız bu makaleden hareketle sıfırdan tamamen yeniden üretiləmez.

İnteqral uyğunluq funksiyası

Bir tanıma metodi üçün dört meyar:

\[ \Phi_k= \alpha_1C_{1k}+ \alpha_2C_{2k}+ \alpha_3C_{3k}+ \alpha_4C_{4k} \]

ifadesiyle birleştirilir.

Katsayılar:

\[ \sum_{i=1}^{4}\alpha_i=1, \qquad \alpha_i\geq0 \]

koşulunu sağlar.

Tədqiqatdaki deneylerde bütün meyarlerin eşit önemde olduğu kabul edilərek:

\[ \alpha_1= \alpha_2= \alpha_3= \alpha_4= 0,25 \]

kullanılmıştır.

Mənbəta daha aşağı \(\Phi_k\) değerinin ilgili görüntü ailəsi üçün daha uygun tanıma metodine karşılık geldiği belirtilir.

Hansı tanıma metodları nəzərə alınır?

Metod havuzu:

\[ M= \{ M_{AM}, M_{DM}, M_{DTW}, M_{DDTW}, M_{FT}, M_{WT} \} \]

şeklinde tanımlanmıştır.

Bunlar:

• Amplitude Method — AM,
• Derivative Method — DM,
• Dynamic Time Warping — DTW,
• Derivative Dynamic Time Warping — DDTW,
• Fourier Transform tabanlı metod — FT,
• Wavelet Transform tabanlı metod — WT

kimi sıralanmaktadır.

Belirli bir siqnal ailəsi üçün tercih edilən metod:

\[ M^*(\Omega_h) = \arg\min_{M_k\in M} \Phi_k(\Omega_h) \]

ilə seçilir.

Kanıt sınırı: Mevcut makalenin deneysel tabloları bu altı metodin tamamına ait deyildir; mevcut sayısal uyğunluq deneyleri WT və FT ilə sınırlıdır.

Tək metod seçmək məcburidirmi?

Xeyr. Tədqiqatın önemli özelliklerinden biri, yalnız en iyi metodi seçmək yerine birkaç metodin sonucunu çəkili biçimde birleştirebilmesidir.

Birleşik məsafə:

\[ D_A(S_{cur},R_i) = \sum_{k=1}^{m} w_kD_k(S_{cur},R_i) \]

kimi tanımlanmaktadır.

\(S_{cur}\) mevcut relyef görüntüsünün struktur siqnalıidir; \(R_i\) ise i'nci nəzarət nöqtəsinın istinad sinyalidir.

Metod çəkiləri necə müəyyən edilir?

Teorik tanımda:

\[ w_k= \frac{ (\Phi_k+\varepsilon)^{-1} }{ \displaystyle \sum_{r=1}^{m} (\Phi_r+\varepsilon)^{-1} } \]

məlumatlmektedir.

Böylece daha aşağı integral uyğunluq puanına sahip metodin ağırlığının daha büyük olması amaçlanır.

Mənbə nəticələrındaki Cədvəl 4 ise tek bir nihai \(w_{WT}\) və \(w_{FT}\) çifti vərmek yerine her C1–C4 meyari üçün ayrı WT/FT ağırlıkları göstərir. Bu değerler Cədvəl 3'teki həssaslıq katsayılarının normalizasyonuyla örtüşmektedir. Teorik Denklem (6) ilə bu tablo arasında kullanılan ara hesaplama açıklanmadığı üçün nihai çəkili füzyon tam kimi yeniden üretiləbilir deyildir.

Nəzarət nöqtəsi necə seçilir?

Mevcut görüntünün struktur siqnalıi bütün istinad sinyalleriyle karşılaştırılır. En küçük integral məsafəyi vəren istinadın bağlı olduğu nəzarət nöqtəsi en olası mövqe kabul edilir:

\[ P^* = \arg\min_i D_{int}(S_{cur},R_i) \]

Mənbə, en iyi və sonraki alternatif məsafə değerleri arasındaki farkı da tanıma kararının güvənilirliği üçün kullanmayı önerir. En iyi eşleşme diğerlerinden belirgin biçimde ayrılıyorsa kararın güvəni daha yüksək kabul edilir.

Burada küçük bir notasyon farkı da vardır: çəkili metrik Denklem (5)'te \(D_A\) kimi tanımlanırken nəzarət nöqtəsi seçiminde \(D_{int}\) sembolü kullanılmaktadır; ikisi arasındaki eşitlik ayrıca yazılmamıştır.

Ardıcıl nəzarət nöqtələri niyə istifadə olunur?

Tek bir görüntünün oxşar relyef nedeniyle yanlış nəzarət nöqtəsiyla eşleşmesi mümkündür. Bu nedenle sistem yalnız tek kareyi bağımsız qiymətləndirmək yerine daha əvvəl tanınmış nəzarət nöqtələrinın marşrut üzerindeki sırasını da hesaba katar.

Marşrut:

\[ T= \{P_1,P_2,\ldots,P_N\} \]

şeklinde saklanır.

Bir sonraki tanınan nəzarət nöqtəsinın mevcut marşrut sırasıyla mantıksal uyumluluğu idarəetmə edilir. Bu yaklaşım görsel kimi birbirine benzeyen relyef parçalarında xətalı yerelleştirme olasılığını azaltmayı amaçlar.

GNSS kaybolduğunda dönüş marşrutsı

Tədqiqatın önerdiği geri dönüş mantığında mevcut marşrut ters sıraya çevrilir:

\[ T^{-1} = \{P_N,P_{N-1},\ldots,P_1\} \]

və sistem görsel kimi yeniden tanıdığı nəzarət nöqtələri üzerinden ters istiqamətde ilərlemeyi planlar.

Bu yapı makalede bir naviqasiya memarlıqsi kimi tanımlanmıştır; fiziki bir multikopterin otomatik dönüş uçuşuyla təsdiqlənməmişdir.

Uçuş idarəetməsinə hansı xəta göndərilir?

Tanıma və nəzarət nöqtəsi yerelleştirmesinden sonra hedef və mevcut koordinatlar arasındaki məkan xətalar:

\[ \Delta x=x_r-x \]

\[ \Delta y=y_r-y \]

\[ \Delta z=z_r-z \]

kimi tanımlanır.

Bu xəta değerlerinin marşrut düzeltme, mövqe sabitlığı və uçuş komutlarını oluşturmak üzere multikopter idarəetmə sistemine məlumatlmesi təklif edilir.

Ancak makalede belirli bir PID, MPC, LQR və ya başka bir uçuş idarəetmə yasası türetilmemiş; motor/aktüatör dinamiği və kapalı çevrim sabitlik analizi yapılmamıştır. Uçuş idarəetmə qatı sistem memarlıqsinin sonraki bölümü kimi gösterilmiştir.

Hesablama səmərəliliyi iddiasının sərhədi

Mənbə struktur-siqnal yaklaşımını, ağır görüntü tanıma və derin öğrenme metodlerine kıyasla sınırlı bort işlem mənbəlarına daha uygun bir alternatif kimi mövqelandırmaktadır.

Buna rağmen mevcut tədqiqatda:

• işlemci modeli,
• GPU və ya CPU kullanımı,
• RAM tüketimi,
• kare/saniye,
• tek görüntü işlem gecikmesi,
• güç tüketimi,
• real vaxtlı uçuş frekansı

üçün nicel benchmark məlumatlmemiştir. Dolayısıyla “aşağı mənbə gereksinimli real vaxtlı sistem” mevcut makalede ölçülmüş donanım performansı değil, önerilən memarlıqnin tasarım hedefidir.

Tədqiqatın metodu və nəticələri

Eksperimentin real əhatəsi

\(d_1=2\) üçün uyğunluq değerleri

Ham değerlerde C1 və C2 FT üçün, C3 ise WT üçün daha küçüktür. Bununla birlikte makale integral qiymətləndirməde normalize edilmiş meyarlerin kullanılması gerektiğini belirtir; normalize edilmiş C değerleri və nihai \(\Phi\) değerleri yayımlanmadığından yalnız bu tablodaki ham sayılardan hangi metodin integral kimi daha uygun olduğu hesaplanmamalıdır.

\(d_2=4\) üçün uyğunluq değerleri

Kaydırma 2'den 4'e çıkarıldığında her iki metodin meyar değerleri değişmektedir. Tədqiqatın əsas çıkarımı, tanıma metodinin davranışının relyef görüntüsünün çevrilmə derecesine bağlı olduğu və sabit tek metod kullanmanın her görüntü koşulunda eyni sabitlığı sağlamayabiləceğidir.

Sensitivity katsayıları

Mənbə, bu nəticələrı WT tabanlı tanıma metodinin FT tabanlı metode göre daha yüksək robustness gösterdiği şeklinde yorumlamaktadır. Meyarin ayrıntılı formülü mevcut makalede məlumatlmediğinden \(u_k\) büyüklüğünün fiziki/istatistiksel anlamı yalnız makaledeki bu yorum çerçevəsinde aktarılmalıdır.

Mənbəta məlumatlen adaptiv ağırlıklar

Cədvəl 4'ün bütün satırlarında WT'ye FT'den daha yüksək ağırlık məlumatlmiştir. Mənbə bunu WT'nin adaptiv tanıma prosedüründe daha yüksək integral əvvəlliğe sahip olduğu şeklinde yorumlamaktadır.

Bununla birlikte bu tablo metod başına tek bir nihai ağırlık sunmaz. Ayrıca değerler Cədvəl 3'teki karşılık gelen katsayıların iki metod arasındaki normalizasyonuyla birebir örtüşürken Denklem (6) ağırlığı ters integral uyğunluq puanı üzerinden tanımlar. Bu iki hesap yolunun ilişkisi açıklanmadığı üçün ağırlıklandırma sürecinin yeniden üretiləbilirliği sınırlıdır.

İstinad və test relyef görüntüləri

Tədqiqatın Şəkil 4'ünde dört relyef görünümü kullanılmaktadır:

Şəkil 5 eyni görüntülerin xəttiləşdirmə sonrasında elde edilən \(S_0(t)\), \(S_1(t)\), \(S_2(t)\) və \(S_3(t)\) struktur siqnalılerini göstərir. Görüntü istinadtan uzaklaştıkça sinyal profili de belirgin biçimde değişmektedir.

Relyef görüntüsünün tanınma nəticələri

Üç satırda da ortak desen eynidır: L1 en küçük, L2 daha büyük və L3 en büyük məsafəyi üretmektedir. Bu nəticə, tədqiqatnın kullandığı struktur-siqnal gösteriminin istinada oxşar relyef ilə belirgin biçimde fərqli relyef arasında dereceli bir ayrım oluşturabildiğini desteklemektedir.

“Convolution” nəticəsi necə şərh edilməlidir?

Mənbə Cədvəl 5'te üçüncü metodi “Convolution” kimi adlandırmakta və metinde “adaptivə additivə convolution” ifadesini kullanmaktadır.

Ancak metod bölümünde matematiksel kimi açık biçimde tanımlanan işlem klasik sinyal konvolüsyonundan ziyade fərqli tanıma məsafəlerinin:

\[ D_A= \sum_k w_kD_k \]

şeklindeki çəkili toplamıdır.

Cədvəl 5'teki “Convolution” değerlerinin hangi kesin WT/FT ağırlıkları və hangi normalizasyon adımlarıyla üretildiği ayrıca gösterilmediğinden bu nəticələr mənbəta məlumatldiği şekliyle korunmalı, başka məlumat üzerinde yeniden hesaplanmış değerler gibi sunulmamalıdır.

Bu eksperiment “daha dəqiq naviqasiyanı” birbaşa ölçürmü?

Xeyr. Deney tanıma məsafəleri və metod yeterliliği üzerine kuruludur.

Tədqiqatda aşağıdaki uçtan uca naviqasiya metrikleri mövcud deyil:

• metre cinsinden mövqe xətası,
• 3B marşrut RMSE'si,
• nəzarət nöqtəsi sınıflandırma başarı yüzdesi,
• yanlış eşleşme oranı,
• GNSS kesilmesinden sonra geri dönüş başarı oranı,
• uçuş süresi və ya enerji tüketimi,
• kapalı çevrim trajectory tracking error,
• real uçuşta çarpışma və ya görev başarısı.

Bu nedenle makalenin nəticələrı en güçlü biçimde adaptiv relyef-tanıma metodolojisinin uygulanabilirliğinin ilk doğrulaması kimi yorumlanabilir.

Real vaxtlı multikopter üzərində təsdiqləmə aparılıbmı?

Xeyr. Nəticə bölümü gelecek tədqiqatda sistemin real multikopter platformunda deneysel kimi doğrulanmasını açık hedef kimi belirtmektedir.

Tədqiqatçı ayrıca gelecekte:

• daha geniş relyef görüntüsü məlumat bazası,
• ek tanıma metodleri,
• fərqli bort sensorlerden məlumat entegrasyonu,
• online adaptasyon,
• self-learning mekanizmaları

üzerinde çalışılmasını önermektedir.

Tədqiqatın güclü tərəfləri

• GNSS'siz naviqasiya problemini tek bir görüntü eşleştirme görevi yerine tam bir sistem memarlıqsi üçünde ele almaktadır.
• Relyef görüntülerini hesaplama açısından daha sade 1B struktur siqnalılere dönüştüren açık bir temsil yaklaşımı sunmaktadır.
• Tek sabit tanıma metodi yerine gözlem koşuluna göre metod seçimi fikrini kullanmaktadır.
• Metod yeterliliğini birden fazla ölçüt üzerinden ele almaktadır.
• Metod seçiminin yanı sıra çəkili ensemble seçeneğini de tanımlamaktadır.
• İdarəetmə noktalarının marşrut sırasını kullanarak görsel oxşarlıq mənbəlı yanlış eşleşmeleri azaltmaya çalışan bir naviqasiya mantığı önermektedir.
• Relyef örneklerinde istinadtan uzaklaşmayla tanıma məsafəsinin birlikte arttığını sayısal kimi göstərir.

Başlıca metodoloji məhdudiyyətlər

• Fiziksel multikopter uçuş deneyi yoxdur.
• GNSS kesilmesini içeren uçtan uca real naviqasiya testi yoxdur.
• Tam altı metodlik havuzun deneysel karşılaştırması yapılmamıştır; esas nəticələr WT və FT'ye aittir.
• C1–C4 formülleri bu makalede məlumatlmemiştir.
• Normalize edilmiş meyar və nihai \(\Phi\) değerleri raporlanmamıştır.
• Denklem (6) ilə Cədvəl 4'te görülen ağırlık hesaplama biçiminin ilişkisi açıklanmamıştır.
• Cədvəl 5'teki “Convolution” işleminin yeniden hesaplanmasına yetecek bütün ara değerler məlumatlmemiştir.
• Accuracy, precision, recall və ya localization RMSE raporlanmamıştır.
• Test görüntüsü/məlumat kümesi büyüklüğü və bağımsız tekrar sayısı ayrıntılı biçimde məlumatlmemiştir.
• Gerçek işlemci üzerinde runtime, FPS, bellek və güç tüketimi ölçülmemiştir.
• IMU və barometr Şəkil 1 memarlıqsinde bulunsa da mevcut deneyde sensor füzyon sonucu məlumatlmemektedir.
• Görüntü ön işleme sırası metin ilə şekiller arasında tam kimi eyni deyildir.
• Gövde metnindeki 2024a/2024b/2024c atıfları ilə mənbəça kayıtlarının yılları/etiketleri tam eşleşmemektedir.
• Deney görüntüleri bir bölümde uçuş simülasyonlarından, başka bir bölümde real marşrut görüntüleri kimi tanımlanmıştır.

Mənbə və metod qeydi

Tam orijinal tədqiqat adı: Adaptivə terrain-referenced vision system for autonomous multicopter navigation

Müəllif: Vagif Aliyev.

Müəllif sayı: Bir.

Məsul müəllif: Makalede tek yazar bulunduğundan ilətişim bilgisi Vagif Aliyev üçün məlumatlmiştir.

ORCID: 0009-0000-5073-9573.

Qurum: Institute of Mathematics, B. Vahabzade str. 68, AZ1141 Baku, Azerbaijan.

Jurnal: Problems of Information Technology.

Biblioqrafik məlumat: Problems of Information Technology (2026), Volume 17, Issue 2, pages 45–55.

DOI:10.25045/jpit.v17.i2.05

Rəsmi nəşr bağlantısı:Problems of Information Technology – resmî makale kaydı

Mənbə növü və rəyçilik vəziyyəti: Problems of Information Technology dergisinde yayımlanmış tədqiqat makalesidir. Dergi resmî sitesinde “refereed international journal” kimi tanımlanmaktadır.

Qəbul edilmə tarixi: 1 Haziran 2026.

Reviziya tarixi: 2 Temmuz 2026.

Qəbul tarixi: 2 Temmuz 2026.

Nəşr ili: 2026. İncelenen makale metninde ayrıca kesin bir çevrim içi yayın günü yazılmamıştır.

Lisenziya: Creative Commons Attribution 4.0 International (CC BY 4.0).

Kurumsal yayın platformu: Journal site footer'ında Institute of Information Technology qeyd edilir.

Maliyyələşmə: İncelenen makalede ayrı bir funding statement mövcud deyil.

Məlumat əlçatanlığı: İncelenen makalede ayrı bir data availability statement mövcud deyil.

Maraqlar toqquşması: İncelenen makalede ayrı bir conflicts-of-interest statement mövcud deyil.

Təşəkkür: Yazar, Institute of Mathematics bünyesindeki “Application of AI Methods in Control” laboratuvarının başkanı Prof. Ramin R. Rzayev'e bilimsel istiqamətlendirme, metodsel destek və tartışmalar üçün teşekkür etmektedir.

Elmi əhatə: Tədqiqat, relyef görüntüsünü birölçülü structural-signal temsil biçimine dönüştüren və tanıma metodlerini dört adequacy criterion üzerinden dinamik kimi seçen/ağırlıklandıran bir bort vision architecture önermektedir. Amaç GNSS bilgisinin kısmen və ya tamamen kullanılamadığı koşullarda marşrut nəzarət nöqtələrinın görsel kimi yerelleştirilmesi və bu bilginin naviqasiya/uçuş idarəetmə döngüsüne aktarılmasıdır.

Təsdiqləmə əhatəsi: Mevcut nəticələr esas kimi structural-signal terrain-recognition qatını doğrulamaktadır. Tam terrain recognition → checkpoint localization → trajectory reconstruction → physical flight correction zinciri real bir multikopter platformunda deneysel kimi təsdiqlənməmişdir.

Tanıma metodu əhatəsi: Teorik metod seti AM, DM, DTW, DDTW, FT və WT'yi içermektedir. Mevcut deneysel adequacy tablolarında yalnız WT və FT karşılaştırılmıştır.

Adequacy formülleri sınırı: C1–C4 meyarlerinin ayrıntılı formülleri bu makalede məlumatlmemiş, əvvəlki tədqiqatlara istiqamətlendirilmiştir. Dolayısıyla adequacy modülü yalnız mevcut makaleden eksiksiz kimi yeniden uygulanamaz.

Atıf izi sorunu: Gövde metninde Rzayev et al. 2024a, 2024b və 2024c atıfları kullanılmaktadır; mənbəçada ise iki ilgili kayıt 2025a/2025b, adequacy tədqiqatsı ise tek 2024 kaydı kimi görünmektedir. Bu nedenle metindeki a/b/c etiketlerinin mənbəça ilə tam eşleştirilmesi açık deyildir.

İşlem sırası notu: Metinsel metod açıklaması RGB→grayscale çevrilməünü seqmentasiyadan əvvəl məlumatrken Şəkil 1 və Şəkil 2 seqmentasiyau boz tona dönüştürmeden əvvəl göstərir. Mənbə kesin işlem sırasını ayrıca açıklamamıştır.

Ağırlıklandırma tutarsızlığı: Denklem (6), \(w_k\) ağırlıklarını \((\Phi_k+\varepsilon)^{-1}\) üzerinden tanımlar. Cədvəl 4'teki WT/FT ağırlıkları ise aritmetik kimi Cədvəl 3'teki həssaslıq katsayılarının doğrudan iki metod arasında normalize edilmesiyle elde edilmektedir. Örneğin \(3,6324/(3,6324+2,8306)=0,56203\). Mənbə bu iki ağırlık tanımını nasıl uzlaştırdığını açıklamamaktadır.

Integral adequacy sınırı: Denklem (3)'te \(C_{ik}\) değerlerinin normalize edilmiş olması gerektiği qeyd edilir. Ancak normalize edilmiş C değerleri və metodlerin nihai \(\Phi_k\) puanları raporlanmamıştır.

Məsafə ölçeği sınırı: Mənbə, fərqli recognition methods tarafından üretilən məsafəlerin çəkili birləşdirməden əvvəl normalize edilmesi gerektiğini belirtmektedir. Bu nedenle Cədvəl 5'te FT değerlerinin WT değerlerinden mutlak kimi küçük olması doğrudan daha yüksək recognition accuracy kimi yorumlanmamıştır.

“Convolution” notu: Cədvəl 5 üçüncü metodi “Convolution” kimi adlandırmakta, metin ise “adaptivə additivə convolution” ifadesini kullanmaktadır. Metod bölümünde açık matematiksel füzyon işlemi çəkili məsafə toplamıdır. Cədvəl 5 nəticələrının hangi kesin ağırlık/normalizasyon dizisiyle üretildiği ayrıca gösterilmemiştir.

Accuracy sınırı: Makale adaptivə weighting'in robustness və recognition accuracy'yi iyiləştirdiğini ifade etmektedir; ancak accuracy yüzdesi, confusion matrix, precision, recall, checkpoint localization error və ya naviqasiya RMSE'si sunmamaktadır. Bu nedenle Verianla içeriğinde nicel dəqiqlik artışı üretilmemiştir.

Görüntü kaynağı notu: Experimental Results bölümünün başlangıcı görüntüleri əvvəlki multicopter flight simulations'dan alınmış kimi tanımlar. Sonraki kısım eyni doğrulamada “real images of the Earth's surface obtained along the multicopter's flight path” ifadesini kullanır. Tədqiqat real platform doğrulamasını gelecek tədqiqat kimi bıraktığından mevcut nəticələr fiziki GNSS-denied uçuş testi kimi değerlendirilmemiştir.

Gerçek zamanlılık sınırı: Makale limited bort computational resources bağlamını vurgulamaktadır; fakat işlemci modeli, tədqiqat süresi, FPS, bellek və ya güç tüketimi benchmark'ı məlumatlmemiştir.

Sensor füzyonu sınırı: Conceptual architecture'da kamera, IMU və barometr gösterilmektedir. Mevcut deneysel nəticələr ise structural terrain-image recognition üzerine odaklanmaktadır; IMU/barometer fusion performansı raporlanmamıştır.

Flight-control sınırı: \(\Delta x\), \(\Delta y\) və \(\Delta z\) naviqasiya xətaları tanımlanmış və bu xətaların flight-control circuit'e aktarılması önerilmiştir. Belirli bir flight-control law, actuator dynamics, closed-loop stability analizi və ya real trajectory tracking sonucu məlumatlmemiştir.

Gələcək tədqiqat: Yazar daha geniş landscape-image database, ilavə recognition methods, fərqli bort sensors'ın entegrasyonu, real multicopter platformunda deneysel doğrulama və online adaptation/self-learning mekanizmalarını gelecek tədqiqat kimi belirtmektedir.

Bu Verianla içeriğindeki metod, denklemler, relyef tanıma değerleri, memarlıq və məhdudiyyətlər incelenen tədqiqatya dayanmaktadır. Dış mənbə yalnız yayın kimliğinin və derginin resmî durumunun doğrulanması amacıyla kullanılmıştır.