Geri Dön

Improved global localization and resampling techniques for Monte Carlo localization algorithm

Monte Carlo lokalizasyon algoritması için geliştirilmiş global lokalizasyon ve yeniden örnekleme teknikleri

PDF İndir

  1. Tez No: 652245
  2. Yazar: HUMAM ABUALKEBASH
  3. Danışmanlar: PROF. DR. HASAN OCAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Global kapalı alan konumlandırma algoritmaları, robot ilk konumunu ve yönünü bilmediği durumlarda sensör ölçümlerini kullanarak robotun daha önceden haritalandırdığı ortamlardaki konumunu ve yönünü tahmin etmesini sağlar. Standart uyarlanır Monte Carlo Lokalizasyon (AMCL), global belirsizliklerle başarılı bir şekilde başa çıkabilen yüksek verimli bir konumlandırma algoritmasıdır. Global konumlandırma problemi, gezgin robotlar için çok önemli olduğundan, algoritmanın doğru konuma yakınsaması için geçen süreyi dikkate değer ölçüde azaltan yeni bir yaklaşım sunuyoruz. Hazırlanılan algoritma; verilen harita ve ilk tarama verilerini göz önüne alarak sensör modeline göre yüksek olasılıklı bölgeleri tespit eder. Sonuç olarak, önerilen örneklem dağılımı konumlandırma sürecini hızlandıracaktır. Biz bu çalışmada ayrıca sensörün görüş alanındaki haritalandırılmamış hareketli engeller sebebiyle örneklem ağırlıkları düştüğünde, robotun hızlı bir şekilde gerçek konumunu kestirmesini sağlayan ve kaçırılan robot problemleriyle başa çıkan etkili bir yeniden örnekleme stratejisi sunuyoruz. Hazırlanan teknik; en son başarılı konum bilgilerini kullanarak rastgele örneklemi robotun konumunun etrafında merkezlenen dairesel bir alana dağıtır. Örneklemler yüksek olasılıklı bölgelere dağıtıldığından, örneklemin gerçek konum ve yöne ulaşması daha az zaman almaktadır. Çalışma kapsamında elde edilen sonuçlar, küçük örneklem gruplarında bile, önerilen iyileştirmelerin konumlandırmadaki etkinliğini göstermektedir. Sonuç olarak, önerilen metotlar algoritmanın gerçek zamanlı performansını önemli ölçüde arttırmakta ve hesaplama maliyetini düşürmektedir.

Özet (Çeviri)

Global indoor localization algorithms enable the robot to estimate its pose in pre-mapped environments using sensor measurements when its initial pose is unknown. The conventional Adaptive Monte Carlo Localization (AMCL) is a highly efficient localization algorithm that can successfully cope with global uncertainty. Since the global localization problem is paramount in mobile robots, we propose a novel approach that can significantly reduce the amount of time it takes for the algorithm to converge to true pose. Given the map and initial scan data, the proposed algorithm detects regions with high likelihood based on the observation model. As a result, the suggested sample distribution will expedite the process of localization. In this study, we also present an effective resampling strategy to deal with the kidnapped robot problem that enables the robot to recover quickly when the sample weights drop-down due to unmapped dynamic obstacles within the sensor's field of view. The proposed approach distributes the random samples within a circular region centered around the robot's position by taking into account the prior knowledge about the most recent successful pose estimation. Since the samples are distributed over the region with high probabilities, it will take less time for the samples to converge to the actual pose. The results demonstrate the high efficiency of the proposed scheme, even with small sample sets. Consequently, the proposed scheme significantly increases the real-time performance of the algorithm in terms of decreasing the computational cost.

Benzer Tezler

  1. Tez No

    221

    Hızlı katılaşma ile yüksek mukavemetli malzemelerin üretilmesi ve kurşun-asit akümalatörlerine uygulanması

    Başlık çevirisi yok

    ÜMİT AKÇAL

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİM DEMİRCİ

  2. Tez No

    233

    Çukurova bölgesinde biyoklimatik veriler kullanılarak açık ve yeşil alan sistemlerinin belirlenmesi ilkeleri üzerinde bir araştırma

    A research on the determination of the principles in open and green spaces systems by using the bioclimatic data in Çukurova region

    MEHMET FARUK ALTUNKASA

    Doktora

    Türkçe

    Türkçe

    1987

    Çevre MühendisliğiÇukurova Üniversitesi

    Peyzaj Mimarlığı Ana Bilim Dalı

    DOÇ. DR. ERDOĞAN GÜLTEKİN

  3. Tez No

    611

    Bira ve alkol üretiminde kullanılan bazı enzimlerin mikrobiyal yolla eldesi

    Başlık çevirisi yok

    HÜSEYİN ÜSTÜNES

    Yüksek Lisans

    Türkçe

    Türkçe

    1985

    Gıda MühendisliğiEge Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ULGAR GÜVENÇ

  4. Tez No

    77

    Lohusalıkta anneye verilen sağlık eğitiminin annenin doğum sonrası döneme ilişkin bilgi düzeyine etkisinin incelenmesi

    Başlık çevirisi yok

    HANDAN GÜLER

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    HemşirelikCumhuriyet Üniversitesi

    Hemşirelik Ana Bilim Dalı

    Y.DOÇ.DR. MELİHA ATALAY

  5. Tez No

    668

    Krem tip eritme peynir imalat teknolojisi

    Başlık çevirisi yok

    GÜL FİGEN AR

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Gıda MühendisliğiEge Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ÜÇÜNCÜ

Geri Dön