Vision based indoor mobile robot localization using deep learning
İç ortamlarda derin öğrenme ile bilgisayarlı görüye dayalı gezgin robot konum kestirimi
- Tez No: 799917
- Danışmanlar: DOÇ. DR. MEHMET BERKE GÜR
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Seyrüsefer sırasında gezgin robotların cevaplanması gereken üç temel sorudan ilki ve en önemli olanı 'neredeyim?' sorusudur (diğerleri ise 'nereye gitmem lazım?' ve 'oraya nasıl ulaşırım?' sorularıdır). GPS ve benzeri uydu tabanlı hassas mutlak konumlandırma yöntemlerinin kullanmanın mümkün olduğu dış ortamlarda gezgin robot konum ölçümü oldukça kolay bir işlemdir. Uyduya dayalı konumlandırma teknolojilerinin kullanmanın mümkün olmadığı iç ortamlarda ise bir kısmı yüksek maliyetli (örneğin LIDAR, lazer tarayıcılı/işaretcili sistemler) çok sayıda ve farklı tipte robot üzerindeki algılayıcıdan (ultrasonik, kızıl-ötesi algılatıcılar, enkoderler, ataletsel ölçüm sistemleri gibi) alınan veriyi işleyen Bayes süzgecine veya grafik en iyileştirmesine dayalı eş-zamanlı konumlandırma ve haritalama yöntemleri ön plana çıkmaya başlamıştır. Bu tip eş-zamanlı konumlandırma ve haritalama yöntemleri çok yüksek başarım ve doğruluk sağlamakla birlikte, gerçekleşt-irdikleri görüntü işleme ve oluşturdukları yüksek çözünürlüklü haritalar sebebi ile robot üzerinde sınırlı olan hesaplama ve depolama kaynaklarını zorlamakta ve maliyetleri yüks-eltmektedir. Bahsedilen bu zorlukların üstesinden gelmek için, bu tez çalışmasında iç mekanlarda gezgin robot seyrüseferinde kullanılmak üzere derin öğrenmeye dayalı yeni bir konumlandırma yöntemi geliştirilmiştir. Yöntem, girdi olarak tek gözlü bir kameradan elde edilen RGB görüntülerini kullanır. Bu girdiler farklı yapay sinir ağlarının bütünleştiril-mesi ile oluşturulan bir yapı tarafından işlenerek çıktı olarak robotun 2-boyutlu düzlemde konum ve yönelim kestirimini gerçekleştirir. Önerilen bu yöntem farklı benzetimler ve deneyler ile test edilerek sınanmıştır. Elde edilen sonuçlar, daha az hesaplama ve veri depolama kapasitesi gerektiren derin-öğrenmeye dayalı konum kestirim yaklaşımının bilimsel yazımda yer alan en iyi eş-zamanlı konumlandırma ve haritalama yöntemi olan grafik tabanlı RTAB-Map yöntemi ile benzer sonuçlar verdiğini göstermiştir (pozisyon hatası < 5cm, yönelim hatası < 2 derece).
Özet (Çeviri)
Of the three main questions of mobile robot navigation, 'where am I?' is the first and foremost question (the other two being 'where do I need to go?' and 'how do I get there?') that the robot must answer before performing any further action. Outdoor localization is a relatively simple task due to the availability of very accurate GPS and similar satellite-based absolute localization techniques. In the absence of satellite navigation technology, simultaneous localization and mapping (SLAM) approaches based on Bayes filtering and graph optimization using data from a multitude of on-board sensors such as sonar, IR sensors, encoders, inertial measurement units (IMU), some which are relatively costly (e.g., LIDAR, laser scanner/beacon systems) has become the state-of-art approach to indoor mobile robot localization. Although such SLAM methods deliver very high localization performance, they suffer from high CPU (due to image processing) and data storage (due to highly detailed digital maps) requirements, which strain the limited on-board computational resources and drive up the cost of hardware. To alleviate this problem of indoor robot localization based on SLAM techniques, a vision and deep learning based indoor mobile robot localization method is proposed in this thesis. The input of the system is a RGB image captured by a monocular camera. The output of the system is the 2D location and orientation of the robot. The proposed method integrates different types of neural network layers to produce a system that is capable of presenting the map and producing the output based on a database that can be labeled with any localization sensor. The proposed method was tested and validated through several simulations and an experimental setup. Results indicated that the proposed method delivered a localization performance similar to the state-of-the-art RTAB-Map graph-based SLAM approach (positioning error < 5 cm, orientation error < 2 degrees) with a significantly smaller computation and storage burden.
Benzer Tezler
- Omnidirectional robot indoor localization by using vision sensors and artificial CCs beacons with coppeliasim program
Coppeliasim programı ile görme sensörleri ve yapay CC işaretçileri kullanarak omni-directional robot iç mekan yerelleştirme
MAWJ MOHAMMED BASHEER
Yüksek Lisans
İngilizce
2022
Mekatronik MühendisliğiFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÇAVAŞ
- Mobil robotlarda Markov konumlama tabanlı navigasyon
Navigation in mobile robots based on Markov localization
MUSTAFA TANIŞ
Yüksek Lisans
Türkçe
2015
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- 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
- Haraketli robotların kinematik değişkenlerinin tahmin edilmesi için test platform tasarımı
Test platform desing for kinematic parameter estimation of mobile robots
SEZAİ HACIOĞLU
Yüksek Lisans
Türkçe
2014
Mühendislik BilimleriHacettepe ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CAN ULAŞ DOĞRUER
- Otononom mobil robotlarda optik akış tabanlı görsel eş zamanlı lokalizasyon ve haritalama
Optical flow based visual simultaneous localization and map building in autonomous mobile robots
ONUR ŞENCAN
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ