Skip to content

PROJECT_CONTEXT.md

Latest commit

 

History

History
129 lines (109 loc) · 4.94 KB

PROJECT_CONTEXT.md

File metadata and controls

129 lines (109 loc) · 4.94 KB

Angular Rate Estimation Projesi - Proje Kapsamı

🎯 Proje Amacı

Yıldız izleyici (star tracker) görüntülerinden ve IMU sensör verilerinden açısal hız tahmini yapmak ve sensör füzyonu ile optimal tahmin sağlamak.

📊 Veri Kaynakları

1. Yıldız İzleyici (Star Tracker)

  • Girdi: Dinamik ortamda yıldız spotlarının görüntü koordinatları
  • Çıktı: Yıldız spotlarının hareketi üzerinden hesaplanan açısal hız tahmini
  • Zorluklar:
    • Görüntü işleme gecikmeleri
    • Yıldız spot algılama hataları
    • Düşük frame rate

2. IMU Sensörü

  • Girdi: 6-DOF IMU verisi (gyroscope + accelerometer)
  • Çıktı: Direkt açısal hız ölçümü
  • Zorluklar:
    • Gyroscope bias drift
    • Yüksek frekanslı gürültü
    • Kalibrasyyon hataları

🔬 Sensör Füzyonu Stratejisi

Tamamlayıcı Özellikler

  • Star Tracker: Uzun vadeli doğruluk, drift yok, ama düşük bandwidth
  • IMU Gyro: Yüksek bandwidth, hızlı yanıt, ama drift var

Füzyon Yaklaşımları

  1. Complementary Filter: Basit, düşük hesaplama maliyeti
  2. Kalman Filter: Optimal tahmin, belirsizlik modelleme
  3. Extended Kalman Filter (EKF): Nonlinear dinamikler için

📁 Proje Yapısı

angularRateEstimation/
├── PROJECT_CONTEXT.md              # Bu dosya - proje kapsamı
├── README.md                       # Proje açıklaması
├── papers/                         # Akademik makaleler ve kaynaklar
│   ├── star_tracker/              # Yıldız izleyici makaleleri
│   ├── sensor_fusion/             # Sensör füzyonu makaleleri
│   └── angular_rate_estimation/   # Açısal hız tahmini makaleleri
├── src/
│   ├── star_tracker/              # Yıldız izleyici işlemleri
│   │   ├── spot_detection.py     # Yıldız spot algılama
│   │   ├── motion_estimation.py  # Spot hareketinden açısal hız
│   │   └── camera_model.py       # Kamera parametreleri
│   ├── imu/                       # IMU veri işleme
│   │   ├── gyro_processing.py    # Gyroscope data processing
│   │   ├── calibration.py        # IMU kalibrasyonu
│   │   └── bias_estimation.py    # Bias drift tahmini
│   ├── fusion/                    # Sensör füzyonu algoritmaları
│   │   ├── complementary_filter.py
│   │   ├── kalman_filter.py
│   │   └── ekf_filter.py
│   ├── data/                      # Veri oluşturma ve yönetimi
│   │   ├── synthetic_star_tracker.py  # Simulated star tracker data
│   │   ├── synthetic_imu_generator.py # Simulated IMU data (mevcut)
│   │   └── data_loader.py        # Gerçek veri yükleme
│   ├── evaluation/                # Test ve değerlendirme
│   │   ├── filter_comparison.py  # Füzyon algoritmaları karşılaştırma
│   │   └── metrics.py            # Performance metrics
│   └── utils/                     # Yardımcı fonksiyonlar
│       ├── quaternion.py         # Quaternion matematik
│       └── coordinate_transform.py
├── tests/                         # Unit testler
│   ├── test_star_tracker/
│   ├── test_imu/
│   └── test_fusion/
├── communication/                 # AI Agent iletişimi
│   └── general.md
└── requirements.txt

🎯 Geliştirme Aşamaları

Faz 1: Temel Altyapı (Mevcut)

  • ✅ AI agent iletişim sistemi
  • ✅ Synthetic IMU data generator
  • 🔄 Proje mimarisi planlaması

Faz 2: Star Tracker Modülü

  • Yıldız spot detection simülatörü
  • Spot motion tracking
  • Açısal hız hesaplama (görüntü tabanlı)
  • Star tracker synthetic data generator

Faz 3: IMU Modülü

  • IMU data preprocessing
  • Gyro bias estimation
  • Gyro-based angular rate estimation

Faz 4: Sensör Füzyonu

  • Complementary filter (star tracker + IMU)
  • Kalman filter (optimal fusion)
  • EKF implementation (nonlinear model)

Faz 5: Test ve Validasyon

  • Synthetic data ile end-to-end test
  • Performance metrics (RMSE, drift analysis)
  • Algoritma karşılaştırması
  • Gerçek veri ile validasyon (varsa)

📚 Kaynak Depo

papers/ klasöründe ilgili akademik makaleler tutulacak:

  • Star tracker algoritmaları
  • Sensör füzyonu yaklaşımları
  • Açısal hız tahmin teknikleri
  • Kalman filtering uygulamaları

👥 AI Agent Görev Dağılımı

  • Claude Sonnet 4.5: Kalman/EKF implementasyonu, test framework
  • GitHub Copilot: Star tracker modülü, complementary filter
  • Abuzer: Synthetic data generators, comparison framework

🔧 Teknoloji Stack

  • Python 3.x
  • NumPy: Numerical computation
  • OpenCV: Görüntü işleme (star spot detection)
  • Matplotlib: Visualization
  • pytest: Testing framework
  • pandas: Data management

Son Güncelleme: 2026-01-12 Durum: Mimari planlama aşamasında