Optical Camera Communications: Survey, Use Cases, Challenges, and Future Trends

İçindekiler

• 1. Giriş
• 2. OCC Sistem Mimarisi ve Temelleri
• 3. Standardizasyon ve Kanal Karakterizasyonu
• 4. Modülasyon ve Kodlama Teknikleri
• 5. Senkronizasyon ve Sinyal İşleme
• 6. OCC Tabanlı Konum Belirleme ve Navigasyon
• 7. Hareket Yakalama ve Akıllı Ulaşım için OCC
• 8. Zorluklar ve Gelecek Trendler
• 9. Orijinal Analiz
• 10. Teknik Detaylar ve Matematiksel Formülasyon
• 11. Deneysel Sonuçlar ve Diyagramlar
• 12. Analitik Çerçeve Örneği
• 13. Gelecekteki Uygulamalar ve Görünüm
• 14. Referanslar

1. Giriş

Optik Kamera Haberleşmesi (OCC), alıcı olarak görüntü sensörlerini (kameraları) ve verici olarak ışık yayan diyotları (LED'ler) kullanan, gelişmekte olan bir optik kablosuz haberleşme (OWC) teknolojisidir. Geleneksel fotodiyot tabanlı OWC sistemlerinin aksine OCC, akıllı telefonlarda, araçlarda ve IoT cihazlarında kameraların yaygınlığından yararlanarak, minimum altyapı değişikliği ile düşük maliyetli, düşük karmaşıklıklı iletişim sağlar. Mobil veri talebi yıllık %42 oranında artmakta olup, 2023 yılına kadar aylık küresel mobil trafiğin 100 eksabaytı aşması beklenmektedir. OCC, yüksek enerji verimliliği, güvenli ve girişime dayanıklı iletişim için geniş, lisanssız optik spektrumdan (350 nm ila 1550 nm) yararlanarak umut verici bir çözüm sunar. Bu inceleme, OCC teknikleri, standardizasyon çalışmaları, kanal karakterizasyonu, modülasyon şemaları, senkronizasyon yöntemleri ve konum belirleme, navigasyon, hareket yakalama ve akıllı ulaşım sistemleri (ITS) gibi çeşitli uygulamalar hakkında kapsamlı bir genel bakış sunmaktadır.

2. OCC Sistem Mimarisi ve Temelleri

OCC sistemleri tipik olarak bir LED verici ve bir kamera alıcıdan oluşur. Verici, veri gömmek için LED ışığının yoğunluğunu modüle ederken, kamera zaman içindeki ışık değişimlerini yakalar. Temel prensip, kamera sensörünün sıralı olarak piksel satırlarını yakaladığı ve düşük kare hızlı kameralarla bile yüksek hızlı veri iletimine olanak tanıyan rolling shutter etkisine dayanır. Sistem iki ana türe ayrılabilir: (1) Görünür Işık Haberleşmesi (VLC) tabanlı OCCgörünür LED'ler kullanan ve (2) Kızılötesi (IR) tabanlı OCCgizli veya gece iletişimi için IR LED'ler kullanan. OCC'nin geleneksel PD tabanlı VLC'ye göre temel avantajı, birden fazla vericiyi uzamsal olarak ayırabilme yeteneğidir; bu sayede çoklu giriş çoklu çıkış (MIMO) iletişimi ve eşzamanlı konumlandırma ve iletişim mümkün olur.

3. Standardizasyon ve Kanal Karakterizasyonu

IEEE 802.15.7-2018 standardı, OCC'yi optik kablosuz iletişim için temel bir fiziksel katman teknolojisi olarak tanımlar. Standart, OCC için modülasyon şemalarını, çerçeve yapılarını ve veri hızlarını belirtir. OCC için kanal karakterizasyonu, optik yol kaybının, ortam ışığı gürültüsünün ve kameranın tepki özelliklerinin modellenmesini içerir. Kanal modeli şu şekilde ifade edilebilir:

$P_{rx} = P_{tx} \cdot H(0) + n(t)$

burada $P_{rx}$ alınan optik güç, $P_{tx}$ iletilen güç, $H(0)$ DC kanal kazancı ve $n(t)$ eklemeli gürültüdür (atış gürültüsü, termal gürültü ve ortam ışığı paraziti dahil). Görüş hattı (LOS) bağlantısı için kanal kazancı şu şekilde verilir:

$H(0) = \frac{(m+1)A}{2\pi d^2} \cos^m(\phi) \cos(\psi) \cdot \text{rect}(\psi/\Psi_c)$

burada $m$ Lambertian yayınım derecesi, $A$ dedektör alanı, $d$ mesafe, $\phi$ ışınım açısı, $\psi$ geliş açısı ve $\Psi_c$ kameranın görüş alanıdır.

4. Modülasyon ve Kodlama Teknikleri

OCC, verileri ışık yoğunluğu değişimlerine kodlamak için çeşitli modülasyon teknikleri kullanır. Yaygın şemalar şunları içerir:

• Açma-Kapama Anahtarlaması (OOK): LED'in '1' biti için açık, '0' biti için kapalı olduğu basit ikili modülasyon.
• Darbe Genişlik Modülasyonu (PWM): Veri, ışık darbesinin genişliğinde kodlanır.
• Renk Kaydırmalı Anahtarlama (CSK): Sembolleri temsil etmek için farklı renkler (RGB LED'ler) kullanarak veri hızını artırır.
• Düşük Örneklemeli Frekans Kaydırmalı Açma-Kapama Anahtarlaması (UFSOOK): Düşük kare hızlı kameralar için tasarlanmış olup, veriyi ışık titremesinin frekansında kodlar.
• Döner Deklanşör Modülasyonu: Döner deklanşör etkisinden yararlanarak, kamera tarafından yakalanan açık ve koyu bant desenlerinde veri kodlayarak yüksek veri hızlarına (birkaç kbps'ye kadar) ulaşır.

İleri yönlü hata düzeltme (FEC) kodları, Reed-Solomon ve konvolüsyonel kodlar gibi, güvenilirliği artırmak için kullanılır. Bir rolling shutter OCC sistemi için veri hızı $R$ şu şekilde yaklaşık olarak hesaplanabilir:

$R = \frac{N_{rows} \cdot f_{frame}}{N_{bits\_per\_row}}$

burada $N_{rows}$ görüntü sensöründeki satır sayısı, $f_{frame}$ kare hızı ve $N_{bits\_per\_row}$ her satırda kodlanan bit sayısıdır.

5. Senkronizasyon ve Sinyal İşleme

OCC'de senkronizasyon, güvenilir veri kurtarma için kritik öneme sahiptir. Teknikler şunları içerir:

• Kare tabanlı senkronizasyon: Veri çerçevesinin başlangıcını ve bitişini işaretlemek için önceden tanımlanmış başlangıç ve bitiş dizilerinin (örneğin, benzersiz bir ışık darbesi deseni) kullanılması.
• Saat kurtarma: Faz kilitli döngüler (PLL) veya dijital sinyal işleme algoritmaları kullanılarak alınan veri akışından saat sinyalinin çıkarılması.
• Görüntü işleme: Kameranın görüş alanındaki vericiyi konumlandırmak ve modüle edilmiş ışık sinyalini çıkarmak için ilgi bölgesi (ROI) tespiti, kenar tespiti ve örüntü tanıma gibi teknikler kullanılır.

Sinyal işleme adımları şunları içerir: (1) görüntü yakalama, (2) LED tespiti ve takibi, (3) ROI'den yoğunluk çıkarımı, (4) demodülasyon ve (5) kod çözme. Alınan sinyal-gürültü oranı (SNR), şu şekilde tanımlanan temel bir performans metriğidir:

$SNR = \frac{(R \cdot P_{rx})^2}{\sigma_{shot}^2 + \sigma_{thermal}^2 + \sigma_{ambient}^2}$

burada $R$, kamera sensörünün duyarlılığıdır ve $\sigma^2$ terimleri sırasıyla atış gürültüsü, termal gürültü ve ortam ışığı gürültüsünün varyanslarını temsil eder.

6. OCC Tabanlı Konum Belirleme ve Navigasyon

OCC, LED armatürleri referans noktası olarak kullanarak hassas iç mekan konumlandırması sağlar. Kamera, birden fazla LED'in kimliklerini veya konumlarını yakalar ve alıcının konumu aşağıdaki gibi teknikler kullanılarak tahmin edilir:

• Varış Açısı (AoA): Konumu üçgenleme yapmak için birden fazla LED'den gelen ışığın yönünün tahmin edilmesi.
• Alınan Sinyal Gücü (RSS): Kanal modeli aracılığıyla bilinen LED konumlarından alınan optik gücü kullanarak mesafenin tahmin edilmesi.
• Uçuş Süresi (ToF): Işık darbelerinin zaman gecikmesini ölçerek mesafe hesaplama (yüksek hızlı kameralar gerektirir).
• Görüntü tabanlı yöntemler: LED dizisinin bilinen geometrisini ve kamera sensörü üzerindeki izdüşümünü kullanarak konum ve yönelimin çözülmesi (Perspektif-n-Nokta problemi).

İdeal koşullarda konumlandırma doğruluğu santimetre seviyesine (örneğin, 5-10 cm) ulaşabilir. Navigasyon sistemleri, kesintisiz iç mekan-dış mekan konumlandırması için OCC'yi atalet sensörleri (IMU) ile entegre eder.

7. Hareket Yakalama ve Akıllı Ulaşım için OCC

OCC, hareketli bir nesneye bağlı birden fazla LED işaretçisinin konumunu izleyerek hareket yakalama için kullanılır. Kamera, işaretçilerin konumlarını zaman içinde kaydederek hareketin 3B rekonstrüksiyonunu sağlar. Akıllı ulaşım sistemlerinde (ITS), OCC, araç farları ve trafik ışıklarını verici olarak kullanarak araçtan araca (V2V) ve araçtan altyapıya (V2I) iletişimi mümkün kılar. Uygulamalar şunları içerir:

• Çarpışma önleme: Hız, frenleme ve direksiyon bilgilerinin değişimi.
• Trafik yönetimi: Trafik sinyal fazı ve zamanlaması (SPaT) bilgilerinin alınması.
• Platoon sürüşü: Birden fazla aracın birbirine yakın şekilde hareket etmesinin koordine edilmesi.

Araçsal OCC'de veri hızı, güvenlik açısından kritik mesajlar için yeterli olan birkaç kbps'ye ulaşabilir.

8. Zorluklar ve Gelecek Trendler

OCC'nin karşılaştığı temel zorluklar şunlardır:

• Sınırlı veri hızı: PD tabanlı VLC (Gbps) ile karşılaştırıldığında, OCC kamera kare hızı sınırlamaları nedeniyle genellikle yalnızca kbps ile Mbps arasında değerlere ulaşır.
• Ortam ışığı girişimi: Güneş ışığı ve diğer ışık kaynakları performansı düşürebilir.
• Hareketlilik ve devir teslim: Verici veya alıcı hareket halindeyken kararlı bir bağlantı sağlamak.
• Standardizasyon eksiklikleri: Üst katman protokolleri ve birlikte çalışabilirlik için birleşik standartların eksikliği.
• Güç tüketimi: Mobil cihazlarda sürekli görüntü işleme, enerji yoğun olabilir.

Gelecekteki eğilimler şunları içerir:

• Yapay zeka ile entegrasyon: Gelişmiş LED algılama, takip ve demodülasyon için derin öğrenme kullanımı.
• Hibrit sistemler: OCC'nin RF (örneğin Wi-Fi, 5G) ile birleştirilerek sağlam ve yüksek hızlı bağlantı sağlanması.
• Yüksek hızlı kameralar: Veri hızlarını artırmak için yeni nesil olay tabanlı kameralardan ve yüksek kare hızlı sensörlerden yararlanılması.
• Sualtı OCC: OCC'nin sualtı ortamlarına iletişim ve konumlandırma amacıyla genişletilmesi.
• Kuantum OCC: Güvenli iletişim için OCC bağlantıları üzerinden kuantum anahtar dağıtımının (QKD) araştırılması.

9. Orijinal Analiz

Temel Görüş: Bu inceleme, OCC'yi optik ve dijital dünyalar arasında pragmatik, düşük maliyetli bir köprü olarak konumlandırıyor, ancak gerçek değeri yüksek hızlı VLC veya RF ile rekabet etmekte değil, geleneksel alıcıların başarısız olduğu senaryolarda (örneğin, yüksek ortam ışığı, hareketlilik, çoklu verici ortamları) her yerde bulunan, mekansal farkındalığa sahip iletişimi mümkün kılmakta yatıyor. Makalenin gücü, fiziksel katmandan uygulamalara kadar bütünsel kapsamıdır, ancak OCC'nin performansının gerçekçi koşullar altında diğer OWC teknolojilerine karşı kritik nicel karşılaştırması eksiktir.

Mantıksal Akış: Makale, temellerden (mimari, kanal) etkinleştirici tekniklere (modülasyon, kodlama, senkronizasyon) ve ardından uygulamalara (konumlandırma, ITS, hareket yakalama) mantıksal olarak ilerliyor. Bu yapı bir inceleme için etkilidir, ancak bölümler arasındaki geçiş daha yumuşak olabilir ve derinlik önemli ölçüde değişmektedir (örneğin, modülasyon ayrıntılıyken, sinyal işleme yüzeyseldir).

Strengths & Flaws: En büyük güç, OCC teknikleri ve uygulamalarının kapsamlı taksonomisidir ve bu da onu değerli bir referans haline getirir. Bununla birlikte, makale pratik sınırlamaların eleştirel analizinden yoksundur. Örneğin, deklanşör perdesi etkisinden bahseder, ancak farklı aydınlatma koşulları altında veri hızı ve kare hızı arasındaki ödünleşimi nicelleştirmez. Ayrıca, standardizasyon (IEEE 802.15.7) tartışması kısadır ve OCC'nin ticari ürünlerde yavaş benimsenmesini ele almaz. Makale ayrıca, akıllı telefon tabanlı uygulamalar için kritik bir engel olan mobil OCC alıcılarında güç tüketiminin önemli zorluğunu da göz ardı etmektedir. CycleGAN makalesinin yazarları (Zhu ve diğerleri, 2017) tarafından belirtildiği gibi, alan uyarlaması gerçek dünya dağıtımı için çok önemlidir ve OCC sistemleri de çeşitli ortamlarda AI tabanlı demodülasyon için sağlam eğitim verileri gerektirir.

Uygulanabilir İçgörüler: Araştırmacılar için makale, (1) OCC sistemlerini tutarlı koşullar altında karşılaştırmak için standartlaştırılmış kıyaslama çerçevelerine, (2) mobil platformlar için enerji verimli sinyal işleme algoritmalarına ve (3) OCC'nin mekansal farkındalığından ve RF'nin yüksek veri hızından yararlanan hibrit OCC-RF protokollerine olan ihtiyacı vurgulamaktadır. Endüstri için, en umut verici kısa vadeli uygulama, OCC'nin mevcut Wi-Fi ve BLE çözümlerini düşük maliyetle daha yüksek doğrulukla (10 cm altı) tamamlayabildiği perakende ve lojistik için iç mekan konumlandırmadır. Makalenin ITS üzerine tartışması da günceldir, ancak düşük veri hızı (kbps) onu eğlence bilgi sistemleri için değil, güvenlik mesajlarıyla sınırlamaktadır. Gelecekteki çalışmalar, işbirlikçi algılama için OCC'nin 5G sidelink ile entegrasyonuna odaklanmalıdır.

10. Teknik Detaylar ve Matematiksel Formülasyon

Bir OCC sisteminin performansı, temel olarak kameranın kare hızı ve modülasyon şeması ile sınırlıdır. Bir rolling shutter kamera için elde edilebilir veri hızı $R$ şu şekilde ifade edilebilir:

$R = \frac{N_{rows} \cdot f_{frame}}{N_{bits\_per\_row}}$

Örneğin, 30 fps'de çalışan 1080p (1920x1080 piksel) bir kamera ile satır başına 1 bit kodlanırsa, veri hızı $1080 \times 30 = 32.4$ kbps olur. Çok seviyeli modülasyon (örneğin, 4-PAM) kullanmak bunu 64.8 kbps'ye iki katına çıkarabilir. Ancak, senkronizasyon yükü ve hata düzeltme nedeniyle etkin hız azalır.

Atış gürültüsüyle sınırlı koşullar altında bir OCC bağlantısı için kanal kapasitesi $C$ şu şekilde verilir:

$C = B \cdot \log_2(1 + SNR)$

burada $B$, kameranın bant genişliğidir (genellikle kare hızıyla sınırlıdır, örn. 30 Hz). Bu, çok düşük bir kapasite sağlar (örn. $C \approx 30 \cdot \log_2(1+100) \approx 200$ bps), bu nedenle OCC yüksek veri hızlı uygulamalar için uygun değildir. Ancak, birden fazla LED ile uzamsal çoğullama (MIMO) kullanılarak kapasite, verici sayısıyla doğrusal olarak artırılabilir.

11. Deneysel Sonuçlar ve Diyagramlar

İnceleme, birkaç deneysel çalışmaya atıfta bulunmaktadır. Örneğin, tipik bir OCC test düzeneği bir LED dizisinden (ör. 4x4 RGB LED) ve bir akıllı telefon kamerasından (ör. 30 fps, 1080p) oluşur. Deneysel sonuçlar şunları göstermektedir:

• Veri hızı: Tek bir LED ile OOK kullanılarak 1 kbps'ye kadar ve 4x4 LED dizisi ile rolling shutter modülasyonu kullanılarak 10 kbps'ye kadar.
• Konumlandırma doğruluğu: 4 LED işaretçisi ve AoA tahmini kullanılarak 5m x 5m bir odada ortalama 5 cm hata.
• Araç menzili: V2V iletişimi için araba farları kullanılarak 30 fps'de 50 metreye kadar mesafe.

Tipik bir diyagram (burada gösterilmemiştir) OCC sistem mimarisini gösterir: bir veri kaynağı tarafından modüle edilen bir LED verici, bir optik kanal (ortam ışığı dahil), lens ve görüntü sensörüne sahip bir kamera alıcısı ve kod çözülmüş veriyi çıkaran bir sinyal işleme bloğu. Başka bir diyagram ise rolling shutter etkisini gösterir: yakalanan görüntüde, her bir bandın genişliğinin bit süresini kodladığı bir dizi parlak ve koyu yatay bant.

12. Analitik Çerçeve Örneği

OCC tabanlı basit bir iç mekan konumlandırma sistemi düşünün. Çerçeve aşağıdaki adımları içerir:

1. Kurulum: $i=1,2,3,4$ için bilinen $(x_i, y_i, z_i)$ konumlarına dört adet LED armatürü monte edilmiştir. Her bir LED, 1 kbps'de OOK modülasyonu kullanarak benzersiz bir kimlik iletir.
2. Veri Toplama: Bir akıllı telefon kamerası, 30 fps hızında bir video kaydeder. Görüntü işleme algoritması, her karedeki dört LED'i tespit eder ve bunların kimliklerini ve piksel koordinatlarını $(u_i, v_i)$ çıkarır.
3. Açı Tahmini: Kameranın iç parametreleri (odak uzaklığı $f$, ana nokta $(c_x, c_y)$) kullanılarak, varış açıları $\theta_i$ ve $\phi_i$ hesaplanır:

$\theta_i = \arctan\left(\frac{u_i - c_x}{f}\right)$, $\phi_i = \arctan\left(\frac{v_i - c_y}{f}\right)$

4. Konum Tahmini: Bilinen LED konumları ve tahmin edilen açılar kullanılarak, alıcının konumu $(x_r, y_r, z_r)$ üçgenleme yoluyla (örneğin, en küçük kareler minimizasyonu) çözülür.
5. Çıktı: Tahmin edilen konum, ±10 cm doğrulukla akıllı telefon ekranında görüntülenir.

Bu çerçeve, tek bir OCC sisteminde iletişim (kimlik alımı) ve algılama (konum belirleme) entegrasyonunu göstermektedir.

13. Gelecekteki Uygulamalar ve Görünüm

OCC, birkaç yeni gelişen alanda kilit bir rol oynamaya hazırdır:

• Akıllı Perakende: OCC destekli LED ışıklar, ürün bilgilerini ve promosyon tekliflerini alışveriş yapanların akıllı telefonlarına ileterek kişiselleştirilmiş mağaza içi deneyimler sağlayabilir.
• Artırılmış Gerçeklik (AR): OCC, AR içeriği için hassas uzamsal çapalar sağlayarak sanal nesneleri gerçek dünyadaki LED işaretleyicilerle hizalayabilir.
• Sağlık Hizmetleri: OCC, invaziv olmayan hasta takibi için kullanılabilir; örneğin, rehabilitasyon amacıyla bir hastanın vücudundaki LED işaretleyicilerin hareketini izlemek gibi.
• Sualtı Robotik: OCC, kısa mesafeli sualtı robotları arası iletişim ve konumlandırma için akustik iletişime düşük maliyetli bir alternatif sunar.
• Akıllı Şehirler: OCC'yi sokak lambalarına entegre ederek halka açık Wi-Fi benzeri hizmetler, trafik yönetimi ve çevresel izleme sağlanabilir.
• Uzay Haberleşmesi: OCC, uzay görevlerinde kameraların yaygın kullanımından yararlanarak Ay veya Mars'ta uydular arası iletişim veya keşif aracı ile iniş modülü arasındaki bağlantı için kullanılabilir.

OCC'nin yapay zeka, 5G/6G ve uç bilişim ile birleşmesi, yeni yeteneklerin önünü açarak onu gelecekteki optik kablosuz ağların temel taşı haline getirecektir.

14. Referanslar

1. N. Saeed, S. Guo, K.-H. Park, T. Y. Al-Naffouri, and M.-S. Alouini, "Optical Camera Communications: Survey, Use Cases, Challenges, and Future Trends," Physical Communication, cilt 37, 2019.
2. J.-Y. Kim, S.-Y. Jung, and K.-D. Kim, "Rolling Shutter Camera Communication Using LED Array," IEEE Photonics Journal, cilt 10, sayı 2, 2018.
3. P. H. Pathak, X. Feng, P. Hu, ve P. Mohapatra, "Görünür Işık İletişimi, Ağ Oluşturma ve Algılama: Bir Araştırma, Potansiyel ve Zorluklar," IEEE Communications Surveys & Tutorials, cilt 17, no. 4, 2015.
4. Z. Zhu, T. Park, P. Isola, ve A. A. Efros, "Döngü-Tutarlı Çekişmeli Ağlar Kullanarak Eşleşmemiş Görüntüden Görüntüye Çeviri," içinde Proc. IEEE ICCV, 2017.
5. IEEE Yerel ve Metropol Alan Ağları Standardı–Bölüm 15.7: Kısa Menzilli Optik Kablosuz İletişim, IEEE Std 802.15.7-2018.
6. T. Komine ve M. Nakagawa, "LED Işıkları Kullanan Görünür Işık İletişim Sistemi için Temel Analiz," IEEE Transactions on Consumer Electronics, cilt 50, sayı 1, 2004.
7. Y. Goto, I. Takai, T. Yamazato, H. Okada, T. Fujii, S. Kawahito, S. Arai, T. Yendo ve K. Kamakura, "Optik İletişim Görüntü Sensörü Kullanan Yeni Bir Otomotiv GVL Sistemi," IEEE Photonics Journal, cilt 8, sayı 3, 2016.
8. M. S. Islim, S. Videv, M. Safari, E. Xie, J. J. D. McKendry, J. Herrnsdorf, E. Gu, M. D. Dawson ve H. Haas, "Güneş Işınımının Görünür Işık İletişimi Üzerindeki Etkisi," Journal of Lightwave Technology, cilt 36, sayı 12, 2018.