Kapalı alanlarda konum belirleme için ROS tabanlı yüksek hassasiyetli veri toplama sistemi tasarımı ve uygulaması

Abstract

İç mekanlarda konum tespiti evler, alışveriş merkezleri, fabrikalar gibi devasa çalışma alanları veya ofisler için bir insanın konumunu tespit edebilmek ve buna göre aksiyonlar alabilmek için çok önemlidir. Konum tespiti için günümüzde sıkça kullandığımız Küresel Konumlandırma Sistemi (GPS) dış ortamlarda çok iyi performans ile çalışırken iç mekanlarda engellerden geçemeyen sinyaller nedeniyle verimli çalışmamaktadır. Bunun sonucunda iç mekanlarda veri seti ile konum tespiti yapan yöntemler gerçekleştirilmiştir fakat bu yöntemler insan gücü ile veri toplanmasını temel aldığı için sancılı süreçlere neden olmuştur. Bu çalışmada çevrimdışı aşama olarak literatürde yer alan bu veri toplama aşamasının otonomlaştırılması için Robotik İşletim Sistemi (ROS) tabanlı otonom veri toplayan bir robot yazılımı gerçekleştirdik ve bu yazılımı simülasyon ortamından sonra gerçek dünya ortamında da çalıştırarak haritalama yaptık ve iç mekanda Bluetooth RSSI verilerini robotun konumu ile birlikte topladık. Ardından literatürde bulunan Parmakizi (Pİ) yönteminde ve Üçgenleme yöntemlerinden olan Trilateration yönteminde bu verileri kullanarak Android mobil telefonda konum tespiti yaptık ve kullanılabilirliğini gösterdik. Pİ yöntemi için klasik yöntem ile geliştirdiğimiz yöntemi karşılaştırdık. Herhangi bir yöntemin gerçekleştirilebileceği bir Android geliştirme ortamını da olarak sunduk. Deneysel çalışmalarımız bu yöntem ile veri toplama aşamasını otonomlaştırabildiğimizi ve topladığımız verileri farklı ortamlarda işleyerek kullanabildiğimizi kanıtlamıştır.

Location detection is indispensable for houses, shopping malls, gigantic workplaces such as factories or offices to be able to locate a person or object and take actions accordingly to it. The Global Positioning System (GPS), which we use today for location detection works very well for outdoor environments but does not works efficiently due to the signals that cannot pass through obstacles indoors. As a result, many techniques developed to locating the user in interior environments. The data collection phase required in some of these techniques has been long and painful processes for people. Stable and in-depth data collection has a great importance for these methods, which collect data from the environment during the data collection stage and provide location estimation to the user at run time. In this study, we introduced a Robotic Operating System (ROS) based robotic software for autonomizing this data collection step which named offline phase in the literature. We performed this software in a real world environment after the simulation environment, we mapped the indoor environment first and after that we collected Bluetooth RSSI datas and the robot's location. Then, we used the data in Fingerprint method and Trilateration method which is one of the triangulation methods in the literature. Also we have determined the users location on the Android mobile phone and showed its usability and we compared the method we developed with the classical method for the PI method. We have also introduced an Android development environment where any method can be implemented.