Geri Dön

Improved performance for SLAM techniques using TRAP configured 2D LRFs

TRAP konfigürasyonlu lazer sensör ile EZKH tekniklerinin iyileştirilmesi

PDF İndir

  1. Tez No: 450918
  2. Yazar: OSMAN ERVAN
  3. Danışmanlar: PROF. DR. HAKAN TEMELTAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 119

Özet

Bu tezde ele alınan konu iki aşamada değerlendirilebilir. Yapılan bu çalışmanın ilk aşamasında Robot İşletim Sistemi (Robot Operating System – ROS) uyumlu Eş Zamanlı Konumlama ve Haritalama (Simultaneous Localization and Mapping – SLAM) 2B lazer sensör tabanlı yöntemlerinden bazıları ele alınıp tanıtılarak birbirleriyle karşılaştırılmışlardır. Bu karşılaştırma esnasında birbirinden farklı olan bu yöntemler birbirlerine göre avantaj ve dezavantajlara göre kıyaslanmıştır. Yapılan bu kıyaslamalar öncelikle benzetim ortamında ardından da hazırlanan deney düzeneği üzerinde gerçek zamanlı olarak gerçekleştirilmiştir. Çalışmaların iki aşamalı olarak öncelikle benzetim ortamında gerçekleştirilmiş olması yapılan çalışmaları her ne kadar yavaşlatmış gibi gözükse de aslında sanılanın aksine çalışmaların daha hızlı bir şekilde ilerlemesine olanak sağlamıştır. Aslında benzetim ortamında çalışılmasının iki büyük nedeni vardır. Bunlardan ilki pil tüketimi ve şarj sorunu yani kısaca enerji sorunu. Sistem üzerinde yapılan gerçek zamanlı çalışmalarda yaklaşık olarak bir saat içerisinde boşalan pil beş – altı saat içerisinde tekrar dolmaktaydı. Bu durum çalışmaların hızlı bir şekilde ilerlemesine engel teşkil etmekteydi. Yaklaşık olarak bir saatlik bir çalışmanın sonunda en az altı saat beklemek gerekmekteydi. Bu kusuru ortadan kaldırmak adına, süre olarak herhangi bir kısıtlamaya neden olmayan benzetim ortamında çalışılması çözümü üretildi. Benzetim ortamının tercih edilmesinin bir diğer nedeni de kodlamada yapılan herhangi bir yanlışlıkta ekipmanların zarar görmesini ortadan kaldırmaktır. Simülasyonda duvara ve engellere çarpan robotun koştuğu algoritma değiştirilerek gerçek sistemin aynı hataları yapıp hasar alması bu sayede önlenmiş oldu. İkinci aşamada ise donanımsal olarak bir yenilik önerildi ve bu yeniliğin etkileri üzerine tartışıldı. Önerilen yenilik 2B lazer sensörleriyle alakalı bir yapıydı. Geleneksel yapıda tek bir tane 2B lazer sensör aracın ön tarafında ortalanmış bir şekilde konumlanmakta. Mevcut olan bu yapıda araç etrafındaki her noktayı kusursuz bir şekilde görememekte yani aracın etrafında kör noktalar oluşmakta. Oysa ki önerilen yeni 2B lazer sensör yerleşim konfigürasyonunda aracın 360° olarak etrafında olan biten her şeyi kör nokta olmadan algılaması mümkün kılınmıştır. Transversal Positioned (çapraz konumlanmış) olarak adlandırılan yapı TRAP olarak gösterilmektedir. TRAP yapısında iki adet 2B lazer sensör kullanılmakta ve sensörler aracın köşelerine sırtları birbirlerine dönük olacak şekilde köşegen üzerine 45°'lik bir açıyla yerleştirilmiştir. Bu sayede aracın etrafındaki bütün her şeyi kör nokta olmadan görmesi sağlanmıştır. Aynı şekilde geleneksel yapı ile TRAP yapısı belirlenen kriterler doğrultusunda kıyaslanmış, birbirlerine göre avantaj ve dezavantajları incelenmiştir. Hem benzetim ortamında yapılan deneysel çalışmalarda hem de gerçek zamanlı ortamda yapılan deneysel çalışmalarda ROS kullanılmıştır. Bu tercihin yapılmasının en büyük nedenlerinden birisi yapının açık kaynak kodlu olması ve kullanımının tamamen ücretsiz olmasıdır. Yapılan bu tercihteki bir diğer etmen robotik alanında akademik, endüstriyel ve kişisel olarak çalışma yapan araştırıcıların bu platformu kullanması popülerliğini arttırmakta ve tercih edilmesine neden olmaktadır. Ayrıca ROS platformunun tercih edilmesinin bir diğer nedeni de kullanımda sağladığı kolaylıklar ve benzetim çalışmalarının gerçek zamanlı ortama aktarılmasında sağlamış olduğu rahatlıklardır. Normal şartlarda yeni bir donanımın sisteme tanıtılıp kullanılmaya başlanması oldukça uğraştırıcı olabilir. Tanıtma işlemi sonrasında verilerin alınıp işlenmesi de bir o kadar zorlayıcı olabilir. Oysaki ROS'un sağladığı avantajlar göz önüne alındığında bu platformda yeni bir donanımın eklenmesi ve bu donanımdan veri alınıp kullanılmaya başlanması çok daha kolaydır. Her bir donanım için tekrardan ayrı ayrı kod parçacıklarını yazmak gerekmemektedir. Mevcut kod parçacıkları platformun açık kaynak kodlu olması sebebiyle bütün kullanıcılarla paylaşılmaktadır. Kullanıcı sadece kod parçacığında isteği doğrultusunda parametreleri değiştirerek hızlı bir şekilde donanımı sisteme tanıtıp veri almaya başlamaktadır. Bu da ROS platformunda donanım eklemeyle harcanacak zamanı kod ve algoritma geliştirmeye aktarmaya olanak sağlamaktadır. Yazılımsal olarak benzetim ortamı için geliştirilen kodların küçük değişikliklerle doğrudan gerçek zamanlı sisteme uygulanabilir olması da ROS'un tercih edilmesi için en büyük nedenlerden biridir. Tezde odaklanılan ana konu robotik literatüründe de sıklıkla çözümler aranılan SLAM problemidir. Bu problemin doğru bir şekilde kavranabilmesi için öncelikle robotikte belirsizlik konuları hakkında açıklamalar yapıldı. Bu açıklamalar, bu alanda kullanılan filtre yapılarını, mobil robot hareketlerinin modellenmesini ve sensör modellenmesini kapsamaktadır. Robotik alanındaki belirsizlikler ifade edildikten sonra konumlama ve haritalama konuları üzerine açıklamalar yapıldı. Robotik çalışmalarında geniş bir yer tutan konumlama ve haritalama problemlerinin ne olduğu ve hangi yaklaşımlarla çözümler arandığı üzerine açıklamalar yapıldı. SLAM probleminin anlaşılabilmesi için bahsi geçen konumlama ve haritalama problemlerinin anlaşılmış olması gerekmektedir zira SLAM bu iki problemin eş zamanlı olarak birbirlerini takip etmesiyle gerçekleşmektedir. Devamında SLAM probleminin tanımı yapılarak ne olduğu hakkında bilgiler verildi. ROS uyumlu 2B lazer sensör tabanlı SLAM yöntemleri hakkında bilgi verilip inceleme yapıldı. ROS uyumlu SLAM yöntemleriyle deneyse çalışmalar yapılırken çalışmalarla uyumlu olacak biçimde üç adet ortam senaryosu oluşturulmuştur. Bu senaryolar ortamın karmaşıklığına, engel yapıları ve sayılarına bağlı olarak farklılık göstermektedir. Ortamın karmaşıklığına bağlı olarak bu senaryoların sırasıyla kolay, orta ve zor olarak adlandırılması mümkündür. ROS uyumlu SLAM yöntemlerinin kıyaslamasının olabildiğince adilane ve ayrıntılı yapılabilmesi adına bu farklı zorluklardaki senaryolar önerilmiştir. Bu sayede farklı ortamlarda nasıl bir davranışın sergilendiği görülmüş oldu. Bu senaryolardan ilki içerisinde hiçbir engel bulunmayan sadece duvarlardan oluşan boş bir koridor olarak tasarlandı. Bu senaryo kolay senaryo olarak da adlandırılabilir. İkinci senaryoda ortama bazı durağan engeller eklenmiştir ve ortam biraz daha karmaşıklaştırılmaya çalışılmıştır. Bu senaryo orta senaryo olarak adlandırılabilir. Son olarak bir önceki ortama göre daha fazla durağan engeller eklenmiştir ve bununla da yetinilmeyip ortama hareketli engeller eklenmiştir. Elde edilen son senaryo da zor senaryo olarak adlandırılabilir. Adaletli bir değerlendirmenin gerçekleştirilebilmesi adına her farklı SLAM yapısı için senaryolar sabit tutulmuştur yani herhangi bir değişiklik uygulamamıştır ve durum hareketli engellere de uyarlanmıştır. Ayrıca her durumda aracın aynı başlangıç noktasından başlayıp aynı bitiş noktasını kendisine hedef olarak belirlemesine dikkat edilmiştir. Bu kriterler doğrultusunda deneysel çalışmalar yapılmıştır. Benzer şekildeki bir kıyaslama da geleneksel yapıdaki 2B lazer sensör yapısıyla TRAP yapısında yerleştirilen 2B lazer sensörler hakkında yapıldı. Bu kıyaslamada da bir önceki senaryolarla birebir aynı senaryolar kullanılmıştır ve başlangıç noktalarıyla bitiş noktaları da yine birebir aynı kabul edilmiştir. Ortama hareketli engellerin de dahil edildiği üçüncü senaryoda TRAP ve geleneksel yapı arasındaki fark gözle görülür bir şekilde hissedilmiştir. Geleneksel 2B lazer sensör yapısında ortamda hareketli bir engel algılandığında koşturulan algoritma bunun hareketli bir engel olup olmadığını doğrudan anlayamamakta. Sensörün algılamış olduğu yapı her ne kadar bir engel olabilse de algılanan bu yapı haritada meydana gelen bir kaymanın da sonucu olabilir. Araç algılamış olduğu yapının engel mi yoksa haritada meydana gelen bir kayma mı olduğunu anlamak için ek verilere ihtiyaç duymaktadır. Bu ek verilerin toplanabilmesi için aracın kendi ekseni etrafında birkaç kere dönmesi gerekmektedir ve bu dönmelerin sonucunda ihtiyaç duyulan gerekli veri alınmış olacaktır. Araç harekete başladıktan sonra tekrar hareketli bir engelle karşılaşırsa tekrar aynı şekilde kendi ekseni etrafında dönüp ek veriler alması gerekmektedir. Bu gereklilik de görevin tamamlanmasını uzatmaktadır. TRAP yapısı uygulanmış olan donanımla aynı deney tekrarlandığında aracın kendi ekseni etrafında dönme gereksinimi ortadan kaldırılmıştır ya da olabildiğince düşürülmüştür. Bu durum görevin tamamlanma süresini büyük oranda azaltmıştır. Ayrıca algoritmanın daha hızlı tamamlanması harcanan pil miktarını da azaltarak daha uzun bir kullanım süresi sağlamaktadır. TRAP yapısının çıkış noktası her ne kadar aracın 360° etrafının kör nokta olmadan taranması olsa da aslında büyük rahatsızlık veren kendi ekseni etrafında dönüp veri toplama ihtiyacını da ortadan kaldırmıştır ya da en aza indirmiştir.

Özet (Çeviri)

The issue covered in this thesis can be evaluated in two stages. In the first part of this work, some of the 2D laser range finder (LRF) based Simultaneous Localization and Mapping (SLAM) techniques available in Robot Operating System (ROS) have been discussed and compared with each other. These methods, which distinct differences from each other, are compared according to their advantages and disadvantages. These comparisons have been realized first in simulation environments, after then these comparisons have been done in real time experimental environment. There are two major reasons for working in a simulated environment. Among these, the battery consumption and charging problem which is the energy problem is the first reason. In real-time applications on the system, the battery drained within approximately one hour and recharged within five to six hours. This situation caused to a slowdown in the studies. It took at least six hours to wait for about an hour of work. In order to remove this problem, working in simulation environment has been preferred to solve the constraint in time. Another reason for the preference of the simulation environment is to avoid from possible damages of the equipments in any fault in the codes. In the simulation, crashing against the walls or obstacles do not damage the real system. The second objection is a hardware innovation which was proposed and the effects of this innovation were discussed. The improvement offered is a structure related with 2D LRF position configuration. In a traditionally configuration, a single 2D laser sensor is positioned at the front of the vehicle centered. In this existing structure, the mobile robot does not scan every point around itself totally, and blind spots have been occurred around the robot. However, in the proposed new 2D LRF position configuration, it is possible to perceive every point around 360° without any blind spot. This structure have been named as Transversal Positioned and is represented by TRAP. Two 2D laser sensors have been applied in the TRAP configuration and the sensors are placed at angles of 45° on the diagonal line of the mobile robot and the backs of the LRFs are facing each other. In this way, it was provided to detect everything around the vehicle without a blind spot. In the same way, the traditional structure and the TRAP structure are compared in terms of the predetermined criteria, additionally their advantages and disadvantages have been examined. ROS has been used in both real time environment and simulated environment. There are certain reasons why ROS has been chosen. One of the main reason for this selection is being an open source and freeware. Another factor is that being used by many researchers who work in academic, industrial and personal research area of robotics. Another reason for the preference of the ROS platform is the ease in which the simulation work is delivered in real time. Under normal circumstances it can be quite challenging to introduce a new hardware into the system and start using it. Considering the advantages provided by ROS, it is much easier to attach a new equipment to a platform and start to use the data from the attached equipment. It is not necessary to write code snippets separately for each piece of hardware. The existing code snippets are shared with all users because the platform is open source. The users need only change the parameters in the code fragment in the direction of the request and quickly start to introduce the hardware to the system and start to receive data. This simplicity allows the users to spent their time on code algorithm development rather than hardware attachment. One of the biggest reasons why ROS is preferred is that the codes developed for the simulation environment can be applied directly to the real-time system with minor modifications. The main focus of the thesis is the SLAM problem, which is often sought in the robotics literature. In order to be able to grasp this problem correctly, firstly, uncertainties in robotics were explained. These disclosures include filter structures used in this area, modeling mobile robot movements and sensor modeling. After the uncertainties in the field of robotics were expressed, explanations were given on localization and mapping issues. Explanations were made on what the localization and mapping problems are in the robotic research area, and what approaches are being sought. In order to understand the SLAM problem, it is necessary to understand the localization and mapping problems. The reason of that is because in SLAM these two problems have been followed simultaneously by each other. In the following, the definition of the SLAM problem is defined and information about what it is also given. ROS-compatible 2D laser sensor based SLAM methods were studied and investigated. While experimenting with SLAM techniques available in ROS three environment scenarios have been created to be compatible with the studies. These scenarios vary depending on the complexity of the environment according to the number and type of obstacles. Depending on the complexity of the environment, it is possible to name these scenarios as easy, medium and difficult, respectively. These scenarios with different difficulty levels have been proposed in order to make the comparison of SLAM methods available in ROS as fair and detailed as possible. It has been analyzed how behaviors changed in different environments. The first scenario was designed as an empty corridor consisting of only walls without any obstacles in the environment. This scenario can also be called a simple scenario. In the second scenario some static obstacles were added and the environment was tried to be more complicated. This scenario can be called the average scenario. Finally, more stable obstacles have been added than the previous one, and with this, not only are the obstacles with moving motions added. The final scenario can also be called a difficult scenario. In order to be able to perform a fair evaluation, the scenarios are fixed for each different SLAM structure, ie no changes are applied and the situation is adapted to the moving obstacles. It has also been noted that in all cases the vehicle starts at the same starting point and determines the same ending point as the target itself. Experimental studies have been carried out in accordance with these criteria. A similar comparison was made about the 2D laser sensors placed in the TRAP structure with the conventional 2D laser sensor construction. In this comparison, the same scenarios as the previous scenarios were used, and the starting points and the ending points were considered to be identical. In the third scenario, including the dynamical obstacles, the difference between the TRAP and the traditional structure was clearly visible. In a conventional 2D laser sensor structure, when a moving obstacle has been detected in the environment, the running algorithm can not directly understand whether it is a dynamical obstacle or not. Although in the algorithm in which the sensor has perceived an obstacle, this perceived structure may also be the result of a slip on the map. In situations like this the mobile robot needs additional data in order to understand what is perceived to be an obstacle or a slip on the map. In order to collect these additional data, the vehicle must rotate several times around its axis and the necessary data will be obtained as a result of these rotations. If the mobile robot encounters a moving obstacle again after it starts to move, it needs to rotate around its own axis again and get additional data. This requirement also extends the completion of the task. When the same experiment is repeated with the equipment for which the TRAP structure has been applied, the need to rotate the vehicle around its axis has been removed or reduced as far as possible. This has greatly reduced the completion time of the task. In addition, the faster completion of the algorithm also reduces the amount of battery used, thus providing a longer usage time.

Benzer Tezler

  1. Tez No

    517298

    Kapalı ortamlarda yerelleştirme ve haritalama için sensör füzyonu

    Sensor fusion for gps denied environment for localization and mapping

    HÜSEYİN BURAK KURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Makine Ana Bilim Dalı

    DOÇ. DR. ERDİNÇ ALTUĞ

  2. Tez No

    14117

    Tam zamanında imalat sisteminin simülasyon ile analizi ve uygulanabilirliğinin etüdü

    An Analysis of the just in time manufacturing system by simulation and a study for its applicability

    SEMRA DURMUŞOĞLU

    Doktora

    Türkçe

    Türkçe

    1989

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. AYHAN TORAMAN

  3. Tez No

    678927

    Deep learning approaches for the localization of capsule endoscope

    Kapsül endoskopi lokalizasyonu için derin öğrenme yaklaşımları

    KUTSEV BENGİSU ÖZYÖRÜK

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    DOÇ. DR. BORA GARİPCAN

    DR. MEHMET TURAN

  4. Tez No

    702951

    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

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUĞBA SELCEN NAVRUZ

  5. Tez No

    826346

    Statik ve dinamik ortamlar için slam ve navigasyon algoritmalarının ROS ve ROS 2'de karşılaştırmalı analizi

    Comparative analysis of slam and navigation algorithms for static and dynamic environments in ROS and ROS 2

    RAGHAD MANDO

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER

Geri Dön