Gezgin robotlarda eş anli haritalama ve konum belirleme
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Otonom gezgin robotlar görevlerini yerine getirmek için gezinim sırasında öncelikli olarak konumlarını belirlemelidir. Robot konumunun belirlenmesi odometrik veriler, algılayıcı ölçümler ve harita bilgilerinin birleştirilmesiyle gerçekleştirilir. Haritalar başlangıçta robota verilebileceği gibi robotun hareketi sırasında da oluşturulabilir. Bu durumda robot konumunun belirlenmesi, eş zamanlı olarak ortam haritasının çıkartılması ve bu haritanın kullanılmasıyla mümkündür. Bu tez çalışmasında ortam haritası oluşturulurken, robot konumunun da eş zamanlı olarak belirlenmesi hedeflenmiştir. Ortamın öznitelik tabanlı haritasını çıkarmak için Geliştirilmiş Üçgenleme Tabanlı Birleşim algoritması, gezgin robotun konumunda ve yöneliminde odometriden kaynaklanan hataların azaltılabilmesi için de genişletilmiş Kalman süzgeci kullanılmıştır. Deneysel çalışmada üzerinde 16 adet ses ötesi algılayıcı ve tekerleri üzerinde 2 adet optik şaft kodlayıcı bulunan Pioneer 3DX otonom gezgin robot kullanılmıştır. Pioneer robotlar için hazırlanmış MobilSim benzetimcisi ve Matlab programı kullanılarak benzetim tabanlı uygulamalar gerçekleştirilmiştir. Üçgenleme Tabanlı Birleşim algoritmasına ilave edilen ek süreçler ile gerçekte harita üzerinde yer almayan sahte kenar noktalar filtrelenerek algoritmanın performansı artırılmıştır. GKS başlangıç koşullarına göre konum belirleme performansı değerlendirilmiştir. İki yöntem bir arada kullanılarak robotun son konumundaki odometriden kaynaklanan hatanın azaldığı gözlenmiştir. Gerçek konum ile kestirilen robot konumu arasındaki hatanın GKS tutarlığı için istenilen sınır değerleri arasında kaldığı görülmüştür.ANAHTAR SÖZCÜKLER: Eş Anlı, Haritalama, Konum Belirleme, Üçgenleme Tabanlı Birleşim, Öznitelik Tabanlı Haritalama, Genişletilmiş Kalman Süzgeci. First of all autonomous mobile robots have to localize their own positions to perform their tasks. By fusing the odometric data, measurements acquired from sensors and map features, it is possible to localize the robot position. Maps either can be given at the beginning of motion or can be built by a mobile robot while it wanders around the environment. In this situation it is necessary to build the map and use it simultaneously to localize the robot pose. In this research, it is aimed to localize the robot position and to map the environment simultaneously. Advanced Triangulation Based Fusion algorithm was used to build a feature-based map of the environment. Extended Kalman filter was used to reduce the errors based on odometric motion. In experimental work, Pioneer 3DX, an autonomous mobile robot with 16 sonars and 2 optical shaft encoders located on the wheels were used. The simulation-based applications were realized by using the MobileSim simulator which is prepared for Pioneer robots and Matlab program. After the additional two processes have been incorporated into Triangulation Based Fusion algorithm, it is succeed to remove the false edge points from the map and to enhance the performance of the algorithm. According to the initial conditions of EKF, the performance of localization was discussed. It is observed that last position error of the mobile robot is decreased with the use of EKF and ATBF together. The error between the real and the estimated robot positions during the motion was remained into the desired boundary range. This fact guarantees the consistency of EKF-based concurrent mapping and localization.KEY WORDS: Concurrent, Mapping, Localization, Triangulation Based Fusion, Feature Based Mapping, Extended Kalman Filter
Collections