Abstract
Tehlikeli olan veya insanlar tarafından
ulaşılması zor olan yerlerde gerekli işlemleri yapabilmek için otonom robotlar
kullanılır. Otonom robotların bu işi yapabilmesi için öncelikle çevresini ve
kendi konumunu bilmesi gereklidir. Bilinen bir ortam ise, önceden hazırlanan
harita otonom robota yüklenir ancak bilinmeyen bir ortam ise, eş zamanlı olarak
hem ortamın haritasını hem de kendi konumunu belirlemesi gerekir. Bu çalışmada,
Linux’da Robot İşletim Sistemi (ROS-Robot Operating System) yardımıyla, Eş Zamanlı
Konum Belirleme ve Haritalama (SLAM-Simultaneous Localization and Mapping)
işlemi gerçekleştirilmiştir. Bu amaç için, Kobuki firması tarafından üretilen
Turtlebot mobil robotu kullanılmıştır. İlk uygulamada, Turtlebot bilgisayar USB
arabirimi ile manuel olarak kontrol edilmiştir. Ortam haritasının çıkarılması
ve robotun konumunu belirlemesi için lazer ile mesafe ölçümü yapan LIDAR
sensörü kullanılmıştır. SLAM için istatistiksel kestirim yöntemlerinden biri
olan Kalman Filtresi tabanlı Parçacık Filtresi uygulanmıştır. Bu yöntem için
ROS içerisine Gmapping algoritması yüklenmiştir. İkinci uygulamada, ROS
kullanılarak Turtlebot’un kontrolü otonom bir şekilde gerçekleştirilmiş, deney
ortamının haritası aynı zamanda konumunu da belirlenerek çıkarılmıştır. Tüm uygulamalar başarılı bir şekilde
gerçekleştirilmiştir. Elde edilen sonuçlar şekillerle verilmiştir.
Keywords
Eş zamanlı konum belirleme ve haritalama algoritmaları Lidar Kalman filtresi Parçacık filtresi Robot işletim sistemi
References
- [1] Smith, R. and Cheesman, P. On the representation of spatial uncertainty. Int. J. Rob. Res., 1987;5(4): 56-68. [2] Leonard, J.J. and Durrant-Whyte, H. F. Simultaneous map building and localization for an autonomous mobile robot. Proc. IEEE/RSJ International Workshop on Intelligent Robots and Systems, 91. Intelligence for Mechanical Systems, IROS'91, 3-5 Nov. 1991; Osaka, Japan,1442-1447. [3] Bailey, T. and Durrant-Whyte, H. Simultaneous localization and mapping (SLAM): Part i The essential algorithms. IEEE Robot Autom. Mag., 2006; 13(2): 99-108. [4] Javad, Z., Cai, Y., and Majid, Y. Comparing EKF and SPKF Algorithms for Simultaneous Localization and Mapping (SLAM). J. Robot. Netw. Artif. Life, 2017; 3(4): 217-220. [5] Valencia, R., and Andrade-Cetto, J. “Active Pose SLAM” in Mapping, Planning and Exploration with Pose SLAM. Springer, Cham, 2018; 89-108. [6] Bellian, J.A., Kerans, C., Jennette, D.C. Digital out crop models: applications of terrestrial scanning lidar technology in stratigraphic modeling. J. Sediment Res., 2005; 75(2): 166-176. [7] Surmann, H., Nüchter, A. and Hertzberg, J. An autonomous mobile robot with a 3D lazer renge finder for 3D exploration and digitalization of indoor environments. Rob. Auton. Syst., 2003; 45: 181-198. [8] Nguyen, V., Martinelli, A., Tomatis, N. and Siegwart, R. A comparison of line extraction algorithms using 2D laser rangefinder for indoor mobile robotics. Proc. IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS, 2-6 Aug. 2005; Alberta Canada, 1929-1934. [9] Kim, P., Chen, J., & Cho, Y. K. SLAM-driven robotic mapping and registration of 3D point clouds. Automat. Constr., 2018; 89: 38-48. [10] Kalman, R.E. A New approach to linear filtering and prediction problems. J. Basic Eng., 1960; 82: 35–45. [11] Dempster, A.P., Laird A.N. and Rubin, D.B. Maximum likelihood from incomplete data via the EM algorithm. J. R. Stat. Soc. Series B. Stat. Methodol., 1977; 39(1): 138. [12] Thrun, S., Fox, D. and Burgard, W. A Probabilistic approach to concurrent mapping and localization for mobile robot. Mach. Learn., 1998; 31(1-3): 2953. [13] Yuen, D.C.K. and MacDonald, B.A. A Comparison between EKF and sequential monte carlo techniques for Simultaneous localisation and map-building. Proc. Australasian Conference on Robotics and Automation, 27-29 Nov. 2002; Auckland, New Zealand, 26-28. [14] http://www.turtlebot.com/ (07 Mayıs 2018). [15] http://www.slamtec.com/en/Lidar/A1 (07 Mayıs 2018). [16] http://www.ros.org/ (07 Mayıs 2018). [17] https://cdn-shop.adafruit.com/product-files/4010/4010_datasheet.pdf (05.02.2018) [18] Murphy, K.P. Bayesian map learning in dynamic environments. Proc. The 12th International Conference on Neural Information Processing Systems, 29 Nov.-04 Dec. 1999; Denver, US, 1015-1021. [19] Grisetti, G. Stachniss, C. and Burgard, W. Improved techniques for grid mapping with rao-blackwellized particle filters. IEEE Trans. Robot., 2007; 23(1): 3446. [20] Akyol, S. Rp-lidar ve mobil robot kullanılarak eş zamanlı konum belirleme ve haritalama, Yüksek Lisans Tezi, Fırat Üniversitesi Fen Bilimleri Enstitüsü, Elazığ, 2017.
Abstract
References
- [1] Smith, R. and Cheesman, P. On the representation of spatial uncertainty. Int. J. Rob. Res., 1987;5(4): 56-68. [2] Leonard, J.J. and Durrant-Whyte, H. F. Simultaneous map building and localization for an autonomous mobile robot. Proc. IEEE/RSJ International Workshop on Intelligent Robots and Systems, 91. Intelligence for Mechanical Systems, IROS'91, 3-5 Nov. 1991; Osaka, Japan,1442-1447. [3] Bailey, T. and Durrant-Whyte, H. Simultaneous localization and mapping (SLAM): Part i The essential algorithms. IEEE Robot Autom. Mag., 2006; 13(2): 99-108. [4] Javad, Z., Cai, Y., and Majid, Y. Comparing EKF and SPKF Algorithms for Simultaneous Localization and Mapping (SLAM). J. Robot. Netw. Artif. Life, 2017; 3(4): 217-220. [5] Valencia, R., and Andrade-Cetto, J. “Active Pose SLAM” in Mapping, Planning and Exploration with Pose SLAM. Springer, Cham, 2018; 89-108. [6] Bellian, J.A., Kerans, C., Jennette, D.C. Digital out crop models: applications of terrestrial scanning lidar technology in stratigraphic modeling. J. Sediment Res., 2005; 75(2): 166-176. [7] Surmann, H., Nüchter, A. and Hertzberg, J. An autonomous mobile robot with a 3D lazer renge finder for 3D exploration and digitalization of indoor environments. Rob. Auton. Syst., 2003; 45: 181-198. [8] Nguyen, V., Martinelli, A., Tomatis, N. and Siegwart, R. A comparison of line extraction algorithms using 2D laser rangefinder for indoor mobile robotics. Proc. IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS, 2-6 Aug. 2005; Alberta Canada, 1929-1934. [9] Kim, P., Chen, J., & Cho, Y. K. SLAM-driven robotic mapping and registration of 3D point clouds. Automat. Constr., 2018; 89: 38-48. [10] Kalman, R.E. A New approach to linear filtering and prediction problems. J. Basic Eng., 1960; 82: 35–45. [11] Dempster, A.P., Laird A.N. and Rubin, D.B. Maximum likelihood from incomplete data via the EM algorithm. J. R. Stat. Soc. Series B. Stat. Methodol., 1977; 39(1): 138. [12] Thrun, S., Fox, D. and Burgard, W. A Probabilistic approach to concurrent mapping and localization for mobile robot. Mach. Learn., 1998; 31(1-3): 2953. [13] Yuen, D.C.K. and MacDonald, B.A. A Comparison between EKF and sequential monte carlo techniques for Simultaneous localisation and map-building. Proc. Australasian Conference on Robotics and Automation, 27-29 Nov. 2002; Auckland, New Zealand, 26-28. [14] http://www.turtlebot.com/ (07 Mayıs 2018). [15] http://www.slamtec.com/en/Lidar/A1 (07 Mayıs 2018). [16] http://www.ros.org/ (07 Mayıs 2018). [17] https://cdn-shop.adafruit.com/product-files/4010/4010_datasheet.pdf (05.02.2018) [18] Murphy, K.P. Bayesian map learning in dynamic environments. Proc. The 12th International Conference on Neural Information Processing Systems, 29 Nov.-04 Dec. 1999; Denver, US, 1015-1021. [19] Grisetti, G. Stachniss, C. and Burgard, W. Improved techniques for grid mapping with rao-blackwellized particle filters. IEEE Trans. Robot., 2007; 23(1): 3446. [20] Akyol, S. Rp-lidar ve mobil robot kullanılarak eş zamanlı konum belirleme ve haritalama, Yüksek Lisans Tezi, Fırat Üniversitesi Fen Bilimleri Enstitüsü, Elazığ, 2017.
Details
| Primary Language | Turkish |
|---|---|
| Journal Section | MBD |
| Authors | |
| Publication Date | March 15, 2019 |
| Submission Date | May 9, 2018 |
| Published in Issue | Year 2019 Volume: 31 Issue: 1 |
