Micromouse: Flood Fill & PID Optimize Labirent Robotu

Bu proje, 16x16 bir micromouse labirentinde en kısa yolu otonom olarak bulup maksimum hızla tamamlayan Arduino Nano tabanlı bir robotik sistemdir.

Amaç: Minimum kaynak kullanımı + maksimum karar hızı + stabil hareket.

---

Sistem Genel Bakış

• Platform: Arduino Nano (ATmega328P @ 16MHz)
• Algoritma: Dinamik Flood Fill
• Kontrol: PD (Proportional-Derivative)
• Sürüş: Diferansiyel (2 DC Motor)
• Bellek Optimizasyonu: Bitmask tabanlı harita
• Labirent: 16x16 hücre

---

Sistem Mimarisi

Sistem 3 ana katmandan oluşur:

1. Algoritma Katmanı

• Flood Fill (mesafe hesaplama)
• Path decision logic

2. Kontrol Katmanı

• PD controller
• Motor hız düzeltmeleri

3. Donanım Katmanı

• IR sensörler
• Motor sürücüler
• Encoder (opsiyonel ama önerilir)

---

Donanım Gereksinimleri

Minimum

• Arduino Nano
• 2x DC motor + dişli kutusu
• Motor driver (TB6612FNG / L298N)
• 4 adet IR mesafe sensörü
• LiPo pil (7.4V önerilir)
• Step-down regülatör (5V sabit çıkış)

Önerilen

• Encoder'lı motor
• IMU (stabilite için)

---

Labirent Veri Yapısı

Her hücre 1 byte ile temsil edilir.

uint8_t maze[16][16];

Bit Mask Yapısı

Bit	Anlam
0	Kuzey duvarı
1	Doğu duvarı
2	Güney duvarı
3	Batı duvarı
4	Ziyaret edildi

Örnek

maze[x][y] |= 0x01; // kuzey duvarı ekle
maze[x][y] |= 0x10; // visited

---

Flood Fill Algoritması

Amaç: Her hücreye hedefe olan mesafeyi atamak.

Distance Map

uint8_t dist[16][16];

Başlatma

Hedef hücre(ler) = 0

for all cells:
  dist = INF

dist[target] = 0

Güncelleme (BFS mantığı)

queue.push(target)

while(queue not empty):
  current = queue.pop()

  for each neighbor:
    if no wall:
      if dist[neighbor] > dist[current] + 1:
        dist[neighbor] = dist[current] + 1
        queue.push(neighbor)

Kritik Nokta

• Her yeni duvar algılandığında flood fill tekrar çalıştırılmalı

---

Karar Mekanizması

Robot bulunduğu hücreden:

1. Erişilebilir komşulara bakar

2. En küçük distance değerini seçer

3. Eşitse:

   • ziyaret edilmemiş tercih edilir

Pseudo Code

best = INF
next = NONE

for each direction:
  if no wall:
    if dist[cell] < best:
      best = dist[cell]
      next = direction

---

Hareket Sistemi

Diferansiyel Sürüş

Sol Motor  |  Sağ Motor
----------------------
Hızlı      | Yavaş     → sağa dön
Yavaş      | Hızlı     → sola dön
Eşit       | Eşit      → düz git

Dönüş Tipleri

• Pivot turn
• Tank turn

---

PD Kontrol

Hata

error = leftSensor - rightSensor;

Formül

correction = Kp * error + Kd * (error - lastError);

Motor Güncelleme

leftMotor  = baseSpeed - correction;
rightMotor = baseSpeed + correction;

Tuning

• Kp ↑ → hızlı tepki, overshoot
• Kd ↑ → stabilite, titreşim azaltma

---

Sensör Okuma

• Analog IR sensör önerilir
• Gürültü filtreleme:

value = (v1 + v2 + v3) / 3;

Threshold

• Ortama göre kalibre edilmeli

---

Çalışma Modları

1. Search Run

• Harita oluşturulur
• Duvarlar işlenir
• Flood fill sürekli güncellenir

Hedefe ulaşınca:

saveToEEPROM();

2. Fast Run

• Önceden hesaplanmış path kullanılır
• Minimum duraklama
• Maksimum hız

---

EEPROM Kullanımı

EEPROM.write(address, value);

• Maze veya path saklanabilir

---

Performans Optimizasyonu

• 8-bit integer kullan (uint8_t)
• Recursive kullanma (stack patlar)
• Queue → static array
• Float kullanma (fixed-point tercih et)

---

Güç Yönetimi

• LiPo pil önerilir
• Regülatör ile 5V sabitlenmeli
• Motor ve MCU ayrı beslenmeli

---

Debug Stratejileri

• Serial debug (9600 baud)
• LED state göstergeleri
• Sensör değerlerini logla

---

Geliştirme Roadmap

Aşama 1: Donanım

• Motor sür
• Sensör oku

Aşama 2: Stabil sürüş

• PD kontrol
• Düz git

Aşama 3: Harita

• Maze + bitmask
• Flood fill

Aşama 4: Karar

• Path seçimi

Aşama 5: Optimizasyon

• Hız arttır
• Path smooth

---

Sonuç

Bu sistem:

• Minimum RAM ile çalışır
• Gerçek zamanlı karar verir
• Yarışma seviyesinde performans hedefler