AD-05 — Sensör Limitleri, Çevresel Bozulmalar ve Fiziksel Sınırlar

FACT — AD-04’te tanıttığımız her sensör modalitesi, kendi fiziksel prensibinin doğrudan sonucu olan bir kör noktaya sahiptir. Bu tesadüfi bir mühendislik eksikliği değildir — kameranın foton toplama fiziği, radarın elektromanyetik saçılım fiziği ve LiDAR’ın optik soğurma fiziği, her biri belirli koşullarda kaçınılmaz olarak bozulur. Bu ders, ISO 21448 (SOTIF — Safety of the Intended Functionality) çerçevesinin tam da ele aldığı konuyu işler: bir sensör arızalanmasa bile (“hiçbir donanım hatası yok”), fiziksel ortam koşulları onu performans yetersizliğine (performance insufficiency) sürükleyebilir.

Bu derste şunları öğreneceksin:

1. Kamera Başarısızlık Modları — doygunluk (saturation), foton gürültüsü, lens kirliliği, oklüzyon.
2. Radar Sınırları — açısal çözünürlük, çok yollu yayılım ve hayalet hedefler.
3. LiDAR Zayıflaması — Mie saçılımı, Beer-Lambert soğurma yasası, düşük yansıtıcılı yüzeyler.
4. GNSS Sınırları — şehir kanyonu, tünel kesintisi, jamming/spoofing.
5. Temel İlke: Tekil Modalite Güvenilmezliği — neden sensör füzyonu zorunlu.
6. Sensör × Hava Koşulu Güvenilirlik Matrisi.

---

1. Kamera Başarısızlık Modları

1.1 Doygunluk ve Ters Güneş Parlaması (Sun Glare)

WARNING — Bir CMOS fotodiyotunun sonlu bir “dolum kapasitesi” (full well capacity) vardır — piksel başına biriktirebileceği maksimum elektron sayısı. Güneş ufka yakınken (gün doğumu/batımı, ya da bir tünel çıkışı) doğrudan lense giren ışık, ilgili pikselleri bu kapasiteye anlık olarak doyurur. Doyan pikseller çevre piksellere de taşar (blooming) ve görüntüde geniş bir beyaz leke oluşur — bu bölgedeki şerit çizgisi, yaya veya trafik ışığı bilgisi kalıcı olarak (o kare için) kaybolur.

AD-04 §2.3’te tanıttığımız 120–140 dB’lik HDR çözümü bu sorunu büyük ölçüde azaltır ama tamamen ortadan kaldırmaz: HDR, aynı sahnede hem gölge hem parlak bölgeyi ayrı ayrı pozlamalarla yakalar, ama lense doğrudan giren güneş ışını (lens flare) optik bir saçılma etkisi yaratır — merceğin iç yüzeylerinden yansıyan ışık, görüntünün geniş bir bölgesine yayılan parlak bir “hale” ekler. Bu, sensör doygunluğundan farklı bir mekanizmadır (optik, elektronik değil) ve HDR ile düzeltilemez.

1.2 Zayıf Işık ve Foton Gürültüsü (Shot Noise)

Düşük ışıkta (gece, aydınlatmasız kırsal yol) her piksele düşen foton sayısı azalır. Foton varışı temelde istatistiksel (Poisson) bir süreçtir; sinyal-gürültü oranı (SNR) ortalama foton sayısının kareköküyle ölçeklenir:

$\text{SNR} \approx \frac{N}{\sqrt{N}} = \sqrt{N}$

Burada $N$ piksel başına toplanan foton sayısıdır. $N$ küçüldükçe (karanlık sahne) SNR orantılı değil, kareköksel olarak düşer — yani ışık 100 kat azaldığında SNR sadece 10 kat düşer gibi görünse de, pratikte kamera bu kaybı telafi etmek için kazancı (ISO/gain) artırır; ama kazanç artışı sinyali değil gürültüyü de büyütür (okuma gürültüsü, sıcaklık gürültüsü). Sonuç: gece görüntülerinde nesne kenarları bulanıklaşır, sinir ağı tabanlı sınıflandırıcıların güven skorları düşer.

INTERPRETATION — Bu yüzden çoğu üretim ADAS kamerası gece performansını artırmak için tek başına sensör tasarımına değil, aktif aydınlatmaya (far ışığı, IR far) güvenir — ama IR farların menzili de sınırlıdır ve karşı yönden gelen bir aracın farı doğrudan lense girdiğinde (AD-04 §2.3’teki blooming mekanizmasıyla aynı fiziksel neden) geçici kör nokta oluşabilir.

1.3 Lens Kirliliği, Buğulanma ve Su Damlacıkları

Yağmur damlaları, çamur sıçraması veya lens üzerinde yoğuşan nem, ışığın lense girmeden önce kırılmasına (refraksiyon) veya saçılmasına neden olur. Küçük bir su damlası, üzerine düşen ışığı adeta minik bir mercek gibi bükerek görüntüde lokal bulanıklık ve distorsiyon yaratır; kirli/tozlu bir yüzey ise kontrastı genel olarak düşürür. Bu sorun elektronik değil optiktir — sinyal işleme ile kısmen telafi edilebilir (görüntü iyileştirme algoritmaları), ama fiziksel engel kalktığı sürece güvenilir çözüm ısıtmalı cam + silecek/basınçlı hava temizleme entegrasyonudur.

1.4 Oklüzyon (Kapanma)

FACT — Kamera (ve genel olarak her görüş hattı gerektiren sensör: LiDAR, radar da dahil) fiziksel olarak opak bir nesnenin arkasını göremez. Önde giden yüksek bir kamyon, arkasındaki bir yayayı veya duran bir aracı tamamen gizleyebilir. Bu bir algoritma zayıflığı değil, geometrik bir gerçektir — hiçbir yazılım iyileştirmesi görüş hattı olmayan bir bölgeyi “görünür” hale getiremez. Çözüm sensör tarafında değil, ya araç konumlandırmasında (öngörülü mesafe bırakma) ya da harici bilgi kaynaklarında (V2X — Araçtan-Her Şeye iletişim, ileri derste ele alınacak) aranır.

---

2. Radar Sınırları: Açısal Çözünürlük ve Hayalet Hedefler

2.1 Açısal Çözünürlük Neden Düşük

Bir anten dizisinin açısal çözünürlüğü (beamwidth), dizinin fiziksel boyutu ile dalga boyu arasındaki ilişkiyle sınırlıdır — kabaca:

$\Delta\theta \approx \frac{\lambda}{D}$

Burada $\lambda$ dalga boyu (~4 mm, AD-04 §3) ve $D$ anten dizisinin fiziksel açıklığıdır (aperture). Otomotiv radarlarında paket boyutu kısıtlı olduğundan $D$ küçük kalır (birkaç santimetre mertebesinde), bu da tipik azimut çözünürlüğünü 1.5°–4° bandında sınırlar. Karşılaştırma: 4° açısal çözünürlük, 150 metre mesafede yaklaşık 10 metrelik bir yanal belirsizlik bölgesi anlamına gelir — yani yan yana duran iki araç, radara tek bir geniş kütle olarak görünebilir.

CRITICAL — Bu doğrudan AD-04’ün FAQ bölümünde değindiğimiz noktaya bağlanır: radar, bir aracın metal yüzeyinden gelen enerjinin çoğunu birkaç güçlü “parlama noktasına” (specular reflection) yansıtır — nesnenin tam geometrik şeklini değil. Düşük açısal çözünürlükle birleşince radar, bir nesnenin varlığını, mesafesini ve bağıl hızını güvenilir biçimde verir, ama türünü (yaya mi, bisikletli mi, araç mı) kendi başına güvenilir biçimde sınıflandıramaz — bu ayrım AD-06’da Perception katmanının neden kamera/LiDAR ile radar verisini birlikte işlediğini açıklayacak.

2.2 Çok Yollu Yayılım (Multipath) ve Hayalet Hedefler

Radar dalgası her zaman hedeften doğrudan (kısa yoldan) geri dönmez. Sinyal, asfalt zeminden, bir bariyerden veya tünel duvarından sekerek de alıcıya ulaşabilir:

Çok Yollu Yayılım — Hayalet Hedef Oluşumu (Yandan Görünüm):

  Radar                              Gerçek Hedef (Araç)
   |\                                      |
   | \                                     |
   |  \  Doğrudan yol (2R)                 |
   |   \___________________________________|
   |                                        |
   |    \  Yansıyan yol (zeminden sekme)   |
   |     \___________       ______________/
   |               \ ＼     ／
   |________________\＼___／____________________ zemin
                      (yansıma noktası)

  Radar, uzun (yansıyan) yolun süresini "doğrudan mesafe" sanıp
  gerçek hedeften daha uzakta/farklı bir konumda HAYALET bir
  ikinci hedef hesaplar.

Radar, aldığı her yankının doğrudan bir yoldan geldiğini varsayarak mesafe hesaplar ($R = c \cdot \tau / 2$). Ancak yansıyan yolun toplam uzunluğu doğrudan yoldan daha fazladır; bu yüzden sistem, gerçek hedeften ayrı, genellikle onun arkasında veya simetriğinde konumlanan sahte bir ikinci hedef — bir hayalet hedef (ghost target) — hesaplar. Tüneller ve metal korkuluklu otoyollar, çok sayıda düz yansıtıcı yüzey içerdiğinden bu etkiye özellikle yatkındır.

WARNING — Hayalet hedefler iki yönde de tehlikelidir: (1) yanlış pozitif — sistem var olmayan bir engel için ani fren yapabilir (phantom braking); (2) daha sinsi olanı, filtreleme algoritmaları hayalet hedefleri elemeye çalışırken bazen gerçek ama hareketsiz bir hedefi de (örn. yolda duran bir araç) gürültü sanıp filtreleyebilir — bu da §2.3’teki “duran nesne” sorununun kök nedenidir.

2.3 Duran Metalik Nesneler ve Agresif Doppler Filtreleme

Yol üstü tabelalar, üst geçitler, rögar kapakları gibi sabit nesneler yüksek radar kesit alanı (RCS) üretir ama sıfır bağıl hıza (Doppler kayması yok) sahiptir — aracın kendi hızına eşit ve zıt yönde görünürler. Geleneksel radar işleme zincirleri, bu “sabit clutter”ı elemek için agresif Doppler filtreleme uygular (aksi halde her sabit tabela bir fren tetikleyebilir). Ancak bu filtreleme, gerçekten duran ve tehlikeli bir engeli (yolda duran bir araç, devrilmiş bir yük) de aynı sabit-Doppler imzasına sahip olduğu için yanlışlıkla eleyebilir — bu, üretim AEB (Automatic Emergency Braking) sistemlerinin bilinen bir SOTIF sınırlamasıdır ve kamera/LiDAR füzyonuyla telafi edilir (AD-07).

---

3. LiDAR Zayıflaması: Mie Saçılımı ve Optik Soğurma

3.1 Neden LiDAR Radarın Aksine Havadan Etkilenir

AD-04 §3.2’de radarın milimetre dalga boyunun (λ ≈ 4 mm) sis/yağmur damlacıklarından (~10-100 µm) çok daha büyük olduğunu, bu yüzden Rayleigh saçılım rejiminde (parçacık ≪ dalga boyu) saçılmanın ihmal edilebilir kaldığını görmüştük. LiDAR için durum taban tabana zıttır: 905/1550 nm dalga boyu, sis damlacıkları ve yağmur/kar taneleriyle aynı büyüklük mertebesindedir. Saçılma boyut parametresi:

$x = \frac{2\pi r}{\lambda}$

Burada $r$ parçacık yarıçapıdır. Radar için $x \ll 1$ (Rayleigh rejimi, zayıf saçılma) iken, LiDAR için $x \approx 1$ (Mie saçılım rejimi) — bu rejimde saçılma verimi çok daha yüksektir ve saçılan ışığın önemli bir kısmı orijinal yönünden sapar (geri saçılma/backscatter dahil). Sonuç: lazer darbesinin enerjisinin büyük kısmı hedefe ulaşmadan havadaki damlacıklara çarpıp dağılır.

3.2 Beer-Lambert Soğurma Yasası ile Menzil Kaybı

Bir ortamdaki parçacıklar tarafından saçılan/soğurulan lazer gücü, klasik Beer-Lambert yasası ile modellenir:

$P_{received}(R) \propto \frac{P_{tx} \cdot \rho \cdot e^{-2\alpha R}}{R^2}$

Burada $P_{tx}$ gönderilen tepe güç, $\rho$ hedefin yansıtıcılığı (reflectivity), $R$ mesafe ve $\alpha$ ortamın soğurma/saçılma katsayısıdır (extinction coefficient). Açık havada $\alpha$ ihmal edilebilir küçüktür; yoğun siste veya kar yağışında $\alpha$ birkaç kat büyüyebilir. Üstel terim ($e^{-2\alpha R}$) nedeniyle bu artış menzille katlanarak büyüyen bir kayba dönüşür — pratikte bu, açık havada 200 metre menzilli bir LiDAR’ın yoğun siste 30 metrenin altına düşebileceği anlamına gelir.

CRITICAL — Bu formülün $1/R^2$ teriminin (ters kare yayılım kaybı) dışında bir üstel ceza ($e^{-2\alpha R}$) içermesi, LiDAR’ı kötü havada radardan temelde farklı kılan matematiksel sebeptir: radar sadece ters-kare kaybı yaşar (havanın $\alpha$‘sı radar dalga boyunda neredeyse sıfırdır), LiDAR ise hem ters-kare hem üstel kayıp yaşar. Bu yüzden AD-04’te “radar her hava” dediğimiz iddia, LiDAR için sistematik olarak geçerli değildir.

3.3 Düşük Yansıtıcılı (Dark) Yüzeyler

Aynı $P_{received}$ denkleminde $\rho$ (hedef yansıtıcılığı) terimi de kritik bir rol oynar. Karbon siyahı boyalı bir araç gövdesi veya ıslak/parlak asfalt, gelen lazer fotonlarının büyük kısmını soğurur (düşük $\rho$) veya aynasal biçimde sensörden uzağa yansıtır (specular, alıcıya geri dönmez). Sonuç, güçlü ama düşük yoğunluklu (intensity) bir dönüş sinyalidir — bu sinyal, dedektörün gürültü tabanına (noise floor) o kadar yakın olabilir ki nokta bulutunda o bölgede hiç nokta oluşmaz, sanki nesne orada değilmiş gibi bir “görünmezlik” ortaya çıkar. Bu, koyu renkli araçların LiDAR tabanlı sistemlerde bazı test senaryolarında beklenenden daha kısa menzilde tespit edilmesinin bilinen bir nedenidir.

---

4. GNSS Sınırları: Şehir Kanyonu, Tünel ve Jamming/Spoofing

4.1 Şehir Kanyonu ve Çoklu-Yol (Multipath)

Yüksek binalarla çevrili sokaklarda (“şehir kanyonu”), uydudan gelen doğrudan sinyal bazen bina cephelerinden yansıyan gecikmeli bir kopyayla karışır. Alıcı bu iki sinyali ayırt edemediğinde, hesapladığı sözde-mesafe (pseudorange) yansıyan yolun ek uzunluğu kadar hatalı olur — AD-04 §6.1’de belirttiğimiz standalone GNSS’in 1-5 metrelik temel hata payı, şehir kanyonunda 10-50 metreye kadar büyüyebilir. Ayrıca binalar, görünür uydu sayısını da azaltarak konum çözümünün geometrik kalitesini (DOP — Dilution of Precision) bozar.

4.2 Tünel ve Yeraltı: Tam Sinyal Kaybı

Uydu sinyalleri metrelerce betonu/toprağı geçemez; tünellerde, çok katlı yeraltı otoparklarında GNSS alıcısı tamamen sinyal kaybeder. Bu, AD-04 §6.3’te açıkladığımız IMU tabanlı dead reckoning’in devreye girdiği en net senaryodur — ama §6.3’teki uyarı burada da geçerlidir: uzun bir tünelde (örneğin birkaç kilometre) IMU’nun biriken drift hatası, tünel çıkışında GNSS’in yeniden kilitlenmesine kadar önemli boyutlara ulaşabilir.

4.3 Jamming ve Spoofing: Ortaya Çıkan Bir Siber Güvenlik Riski

ASSUMPTION — Bu alt bölüm, otomotiv-özgü değil genel GNSS güvenlik literatüründeki bilinen tehdit modellerine dayanır; otomotiv sınıfı alıcılarda üretim ortamındaki gerçek saldırı sıklığı/etkisi hâlâ aktif araştırma konusudur.

GNSS sinyalleri, uydudan onbinlerce kilometre kat ederek geldiği için yeryüzünde son derece zayıftır (tipik alınan güç, termal gürültü tabanına yakın). Bu zayıflık iki saldırı türünü mümkün kılar:

• Jamming (Bozma): Aynı frekans bandında (L-bandı) yüksek güçlü bir gürültü sinyali yayarak alıcının gerçek uydu sinyalini gürültü içinde kaybetmesini sağlamak. Etkisi GNSS’in tamamen kesilmesiyle aynıdır (§4.2’deki tünel senaryosuna benzer, ama öngörülemez zaman ve yerde).
• Spoofing (Aldatma): Sahte ama geçerli görünen uydu sinyalleri yayınlayarak alıcıyı yanlış ama makul görünen bir konum/zamanlamaya kilitlemek — bu, tam kesintiden daha tehlikelidir çünkü sistem bir hata olduğunu fark etmeyebilir.

Bu risk, ders akışımızda ileride (AD-21’de) siber güvenlik bağlamında derinlemesine ele alınacaktır; burada asıl vurgu, GNSS’in “her zaman doğru konum veren” bir kara kutu olmadığı, kasıtlı müdahaleye açık bir RF alıcısı olduğudur — bu yüzden üretim localization mimarileri (AD-08) GNSS çıktısını asla sorgusuz kabul etmez, IMU ve harita eşleştirmesiyle çapraz doğrular.

---

5. Temel İlke: Tekil Modalite Hiçbir Koşulda Tam Güvenilir Değildir

INTERPRETATION — Bu dersin topladığı tüm bulgular tek bir mühendislik ilkesine indirgenir: hiçbir sensör modalitesi, tüm hava/ışık/geometri koşullarında güvenilir değildir — her birinin güvenilmezliği, tam olarak diğerinin en güçlü olduğu koşulda ortaya çıkar. Kamera karanlıkta ve güneşe karşı zayıflarken radar tam da o koşullarda güçlüdür (aktif, geniş dinamik aralık); radar tür sınıflandırmasında zayıfken kamera tam da o konuda güçlüdür (yoğun semantik doku); LiDAR yoğun siste zayıflarken radar aynı ortamda neredeyse etkilenmez. Bu tamamlayıcı zayıflık deseni tesadüfi değildir — az önce gördüğümüz gibi doğrudan her modalitenin temel fiziğinden (dalga boyu, aktif/pasif olma, görüş hattı gereksinimi) kaynaklanır.

Bu gözlem, AD-07’de ele alacağımız sensör füzyonunun mühendislik gerekçesinin ta kendisidir: amaç sadece “daha fazla veri toplamak” değil, bir modalitenin fiziksel kör noktasını, o koşulda güçlü olan başka bir modalitenin verisiyle sistematik olarak kapatmaktır. ISO 21448 (SOTIF) terminolojisinde bu, “bilinen performans yetersizliklerini” (known performance limitations) mimari düzeyde azaltma stratejisidir.

---

6. Sensör × Hava/Işık Koşulu Güvenilirlik Matrisi

Koşul	Kamera	Radar	LiDAR	Ultrasonik	GNSS
Gün ışığı, açık hava	Mükemmel	İyi	Mükemmel	İyi (yakın alan)	İyi (açık gökyüzü)
Gece, aydınlatmasız	Zayıf (gürültü)	Mükemmel (aktif)	Mükemmel (aktif)	İyi	Etkilenmez
Doğrudan güneş/ters ışık	Çok Zayıf (doygunluk)	Etkilenmez	Etkilenmez	Etkilenmez	Etkilenmez
Yoğun sis	Zayıf (kontrast kaybı)	Mükemmel (Rayleigh)	Zayıf-Orta (Mie saçılımı)	İyi	Etkilenmez
Yoğun yağmur	Orta (damlacık/kontrast)	Mükemmel	Orta-Zayıf (Mie saçılımı)	Orta (yankı bozulması)	Hafif etkilenir
Kar yağışı	Zayıf (oklüzyon/kontrast)	İyi (bazı geri saçılma)	Zayıf (yoğun Mie saçılımı)	Zayıf (yüzey birikimi)	Hafif etkilenir
Tünel/yeraltı	İyi (yapay ışıkla)	İyi (ama multipath riski)	İyi (ama multipath riski)	İyi	Tam kesinti
Şehir kanyonu	İyi	İyi	İyi	İyi	Zayıf (multipath, düşük DOP)
Koyu/mat renkli hedef	İyi (renk bağımsız değil ama çalışır)	Etkilenmez (metal RCS)	Zayıf (düşük yansıtıcılık)	Etkilenmez	İlgisiz
Çok yakın alan (<1m)	Kör nokta (lens FOV)	Kör (sinyal sızıntısı)	Kör (zamanlama çözünürlüğü)	Mükemmel	İlgisiz

EXAMPLE — Tabloyu satır satır değil sütun bazında okumak asıl dersi verir: hiçbir sütunda tüm satırlar “Mükemmel” değildir — her sensörün en az bir sistematik zayıf noktası vardır. Bu, AD-04’teki “hiçbir modalite tek başına yeterli değildir” iddiasının bu derste somut, koşul-koşul kanıtıdır.

---

Sıkça Sorulan Sorular (FAQ)

S: Radar hayalet hedefleri neden tamamen filtrelenemiyor?

WARNING — Hayalet hedef ile gerçek ama hareketsiz bir hedefin Doppler imzası (sıfıra yakın bağıl hız) çoğu zaman ayırt edilemez düzeyde benzerdir. Agresif filtreleme hayalet hedefleri azaltır ama gerçek durağan tehlikeleri de kaçırma riskini artırır — bu bir kayıp-kazanç (trade-off) dengesidir, tam çözüm değil; nihai çözüm kamera/LiDAR ile çapraz doğrulamadır (AD-07).

S: Neden 1550 nm LiDAR (daha yüksek güç limitine sahip olmasına rağmen) sis sorununu tamamen çözmüyor?

INTERPRETATION — AD-04 §4.2’deki 905/1550 nm karşılaştırması göz güvenliği kaynaklı bir güç limitini ele alıyordu; §3.1-3.2’deki Mie saçılımı ise bir dalga boyu-parçacık boyutu etkileşimi sorunudur. Daha yüksek verilen güç, üstel soğurma teriminden ($e^{-2\alpha R}$) kaynaklanan kaybı kısmen telafi edebilir (menzili biraz uzatır) ama saçılmanın kendisini ortadan kaldırmaz — fiziksel mekanizma farklı olduğu için sorun tamamen çözülmez, sadece kısmen hafifler.

S: GNSS spoofing üretim araçlarında gerçek bir tehdit mi?

ASSUMPTION — Güncel üretim ADAS sistemlerinde GNSS genellikle IMU ve harita eşleştirmesiyle çapraz doğrulandığından (AD-08), tekil bir spoofing girişiminin tüm localization zincirini ele geçirmesi zordur; ancak tehdit modeli aktif araştırma konusudur ve kesin risk seviyesi bu dersin kapsamı dışındadır — detaylı işleniş AD-21’de.

---

Özet

• Kamera başarısızlıkları (doygunluk/sun glare, foton gürültüsü, lens kirliliği, oklüzyon) sensörün pasif/optik doğasından kaynaklanır; HDR ve aktif aydınlatma bunları azaltır ama ortadan kaldırmaz.
• Radar açısal çözünürlüğü ($\Delta\theta \approx \lambda/D$) fiziksel anten boyutuyla sınırlıdır; bu hem hayalet hedef (multipath) hem de tür-sınıflandırma zayıflığının kök nedenidir.
• LiDAR, Mie saçılım rejiminde ($x \approx 1$) çalıştığı için sis/yağmur/karda Beer-Lambert yasasına göre üstel menzil kaybı yaşar — bu radarın ($x \ll 1$, Rayleigh) aynı koşullarda neredeyse etkilenmemesiyle taban tabana zıttır.
• GNSS, şehir kanyonunda multipath ile bozulur, tünelde tamamen kesilir, ve jamming/spoofing’e açık bir RF alıcısıdır — bu yüzden asla tek başına güvenilmez.
• Temel ilke: her sensörün zayıflığı bir başkasının güçlü olduğu koşulda ortaya çıkar — bu tamamlayıcı desen, sensör füzyonunun (AD-07) mühendislik gerekçesidir.

Kaynaklar ve Doğrulama Notu

Bu derste sunulan fiziksel mekanizmalar ISO 21448 (SOTIF) çerçevesi, ISO 26262, Winner et al. (Handbook of Driver Assistance Systems) ve Rasshofer, Spies & Spies’in otomotiv lazer radar sistemlerine hava olaylarının etkisi üzerine yayınladığı çalışmaya dayanmaktadır. Beer-Lambert soğurma modeli ve Mie saçılım rejimi tanımı klasik optik/elektromanyetik saçılım teorisinin genel sonuçlarıdır; GNSS jamming/spoofing bölümü ASSUMPTION olarak işaretlenmiştir, güncel tehdit detayları için AD-21’e ve ilgili siber güvenlik literatürüne bakınız.

Sıradaki Ders

• AD-06 — Perception: Nesne Tespiti, Sınıflandırma, İzleme ve Serbest Alan: Bu derste öğrendiğimiz ham sensör verisinin (kör noktaları ve zayıflıklarıyla birlikte) nasıl işlenip 3D nesnelere, izlere ve sürüşe uygun serbest alana dönüştürüldüğünü — yani Perception katmanının kendisini — inceleyeceğiz.