EŞ ZAMANLI KONUM BELİRLEME VE HARİTALAMA METOTLARININ KARŞILAŞTIRILMASI
COMPARISON OF SIMULTANEOUS LOCALIZATION AND MAPPING METHODS
- Tez No: 700691
- Danışmanlar: DOÇ. DR. TUĞBA SELCEN NAVRUZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Eş Zamanlı Konum Belirleme ve Haritalama (EZKBH), bir ortamın haritalanması ve bilinmeyen bir ortamda bilinmeyen bir yerde konumlanan bir mobil robotun eş zamanlı lokalizasyonunun belirlenmesi ile ilgilenen yıllardır popüler bir araştırma alanı olmuştur. Bu sorunu çözmek için yıllar boyunca birçok yöntem önerilmiştir. Genişletilmiş Kalman Filtreleri (GKF) ve Dağıtılmış Kalman Filtreleri (DKF), EZKBH probleminin çözümünde yaygın olarak kullanılmaktadır. Doğrusal olmayan bir sistem üzerinde çalışılırken, GKF yöntemi 1. dereceden doğrusallaştırma yapmaktadır. Fakat DKF yöntemi, doğrusallaştırma yaparken örnekleme stratejisini kullanarak daha etkili bir çözüm sağlar. Ölçekleme parametresi, DKF'de örnekleme stratejisi tasarımı için önemli bir parametredir. Mobil robotun tahmin yeteneğini iyileştirmesi için her zaman adımında güncellenen ölçekleme parametresi, Adaptif DKF (ADKF) algoritmasını oluşturur. DKF'nin diğer bir adaptasyon seçeneği gürültü istatistik tahmincisi yöntemidir. Gerçek hayatta sistemdeki gürültü seviyeleri zamanla değiştiği için gürültü istatistiklerinin de her zaman adımında güncellenmesi gerekmektedir. Önerilen ADKF algoritması uygulandığında, klasik DKF'ye kıyasla durum tahmin hatasında önemli bir azalma olduğu görülmektedir. Bu yaklaşım, yaygın olarak kullanılan EZKBH algoritmaları ile karşılaştırılmış ve aralarındaki performans farkları elde edilmiştir. Önerilen yaklaşımın doğruluğunu test etmek için sisteme farklı gürültü seviyeleri uygulanmıştır.
Özet (Çeviri)
Simultaneous Localization and Mapping (SLAM) has been a popular research area for years, dealing with the mapping of an environment and the determination of the simultaneous localization of a mobile robot located at an unknown location in an unknown environment. Many methods have been proposed over the years to solve this problem. Extended Kalman Filters (EKF) and Unscented Kalman Filters (UKF) are widely used in solving the SLAM problem. When working on a nonlinear system, the EKF method performs first order linearization. However, the UKF method provides a more efficient solution by using the sampling strategy while linearizing. The scaling parameter is an important parameter for sampling strategy design in UKF. The scaling parameter, which is updated at each time step to improve the predictive ability of the mobile robot, creates the Adaptive UKF (AUKF) algorithm. Another adaptation option of UKF is the noise statistics estimator method. Since noise levels in the system change over time in real life, the noise statistics also need to be updated at each time step. When the proposed AUKF algorithm is applied, it is seen that there is a significant reduction in the state estimation error compared to the classical UKF. This approach was compared with the widely used SLAM algorithms and the performance differences between them were obtained. Different noise levels were applied to the system to test the accuracy of the proposed approach.
Benzer Tezler
- Çoklu algılayıcı füzyonunun çoklu robot sistemlerinde eş zamanlı konum belirleme ve haritalama problemine uygulanması
The implementation of multi-sensor fusion to simultaneous localization and mapping problem in multi-robot systems
GÜRKAN TUNA
Doktora
Türkçe
2012
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAYHAN GÜLEZ
YRD. DOÇ. DR. VEHBİ ÇAĞRI GÜNGÖR
- Eş zamanlı konum belirleme ve haritalama probleminde iyileştirilmiş çözüm için GKF, AGKF ve FastSLAM uygulamaları
EKF, AEKF and FastSLAM applications for improved solution of slam problem
SERHAT KARAÇAM
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUĞBA SELCEN NAVRUZ
- Eş zamanlı konum belirleme ve haritalama için bilgisayarlı görü ve sensör tabanlı otonom gezgin robot
A computer vision and sensor based autonomous mobile robot for simultenaous localization and mapping
SARAN SAPMAZ
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiEge ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT PEKEDİS
- Robot takımı ile eş zamanlı konum belirleme ve haritalama
Simultaneous localization and mapping by a robot team
OZAN ÖZIŞIK
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SIRMA YAVUZ
- Gezgin robotlarla eş zamanlı konum belirleme ve haritalama
Simultaneous localization and mapping with mobile robots
AFIG HABIBOV
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SIRMA YAVUZ