tinydrone — Otonom Drone Hedef Tespit ve Takip Sistemi

ESP32-CAM üzerinde, tinycml (kendi C11 ML kütüphanemiz) ile çalışan, düşük maliyetli otonom hedef tespit ve takip sistemi. Eğitim dahil her şey C ile yazıldı — Python yalnızca veri hazırlama, dokümantasyon ve simülasyon görselleştirme/bağlantı katmanında.

Tiny Ecosystem'ün parçası. Felsefe: zero-dependency, pure C, embedded-first.

Özellikler

• 5 sınıf CNN (tank, armored_vehicle, drone_uav, background, military_building) — 136K parametre
• int8 niceleme — float ile %99.5+ uyum, ESP32'de 0.43MB firmware
• Kilitli takip (sliding window + sınıf tutarlılığı) — hedef görüşten sapınca servo/UART komutu
• UART çıkışı — T%+03dY%+03d protokolü (uçuş platformuna hedef yönlendirme)
• ESP-IDF v5.3 firmware — OV2640 (160x120), ESP-DSP SIMD, double buffer, watchdog
• Canlı web simülasyonu — ArduPilot SITL + MAVLink + gerçek 3D kamera render'ı (720p)
  • 1. ve 3. şahıs kamera, hareketli hedefler, otonom takip
  • Başı-sonu olan görev senaryosu: kalkış → 360° arama → tespit → takip → iniş
  • Süreç akışı paneli: KAMERA → CNN → TESPİT → TAKİP → KOMUT

Mimari

simulation/   Canlı web paneli (SITL + 3D render + CNN köprüsü — ctypes)
training/     Veri hazırlama + C eğitimi + niceleme (tinycml ile)
firmware/     ESP32-CAM (ESP-IDF v5.3): kamera → CNN(int8) → takip → UART
docs/         DRONE_REHBERI, ENTEGRASYON_REHBERI, GELISTIRME_AKISI, SIMULASYON_PLANI

CNN köprüsü simulation/bridge.c — firmware'deki aynı inference_int8.c + sliding_window.c kodunu paylaşır: "aynı model hem simülasyonda hem gömülüde".

Veri

Eğitim verisi gerçek görsellerden toplandı (Kaggle + xView) — sentetik veri kullanılmadı. Sınıf dağılımı ve kaynaklar: training/sources.md.

Sonuçlar

Model	Doğruluk	int8 uyumu
Float	~%90	—
Int8	~%85-90	%99.5+

Hızlı Başlangıç

# Simülasyon (SITL + web paneli)
cd simulation && make && python3 sim_telemetry.py --port 8090

# Host testleri
make test-host

# Firmware
cd firmware && idf.py build

Lisans

MIT — bkz. LICENSE