Enhancing follow the gap method with memory aid and with prediction component
Boşluğu takip et yönteminin hafıza desteği ile ve öngörü bileşeni ile geliştirilmesi
- Tez No: 849728
- Danışmanlar: DOÇ. DR. VOLKAN SEZER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: 107
Özet
Günümüzde çeşitli formlarda geliştirilmiş otonom mobil robotlar farklı amaçlara hizmet etmek üzere sıklıkla kullanılmaktadır. Kullanım alanları üretim alanlarında yük taşımacılığından, temizlik servisine, rehberlik servisine kadar uzanan farklı sektörlerde karşımıza çıkmaktadır. Robotların, yapması hedeflenen işler açısından farklı bileşenlerine odaklanılsa da temelde otonom mobil robotlar lokalizasyon, haritalama, rota planlama gibi görevleri yerine getiren algoritmaların başarılı bir şekilde bir arada çalışmasıyla kullanılabilmektedir. Bu bahsedilen görevlerin daha iyi şekilde yapılabilmesi için birçok yeni bilimsel yaklaşım ve çözümler her sene ortaya çıkmaktadır. Lokalizasyon alanında yapılan geliştirmeler robotun çevreyi algılamak için kullandığı sensörlerinden faydalanarak, bir ortamda nerede olduğuna dair yaptığı kestirimi iyileştirmeyi hedefler. Haritalama alanında ise bilinmeyen bir ortamı robotun kendisinin keşfetmesini ve ortamın daha iyi öğrenilmesini hedefleyen çalışmalar yapılmaktadır. Rota planlamaya gelindiğinde ise haritası mevcut olan bir ortamda bir başlangıç konumundan hedef konuma robotun en verimli nasıl bir yol üzerinden gideceği hesaplanır. Bu noktada rota planlama temelde 2 ana kategoriye ayrılır ve bunlar global ve lokal planlama olarak isimlendirilir. Global planlamada ortamdaki değişimler ve dinamik engeller göz önüne alınmayıp sabit olan ve bilinen engellerden kaçınarak en verimli rota oluşturulmaya çalışılırken, lokal planlamada ise global planlama aşamasında bilinmeyen ancak robot hareket halindeyken karşısına çıkan yeni engellerin ve çevredeki hareketli nesnelerin aşılması sağlanır. Bunun yanında global planda oluşturulan rotaya uyum da sağlanarak güvenli bir şekilde hareket komutlarının hesaplaması yapılır. Lokal planlama alanında Dynamic Window Approach (DWA), Elastic Band (EBand), Timed Elastic Band (TEB), Vector Field Histogram (VFH) gibi öne çıkan farklı algoritmaların yanında Follow the Gap Method (FGM) engellerden kaçınma ve lokal planlayıcı algoritması olarak basit ve oldukça efektif bir yaklaşım sunmaktadır. FGM'nin temelinde çevredeki engellerin ve boşlukların algılanması, engellerden kaçınmak için aralarındaki boşluğun orta noktasına olan yönelim açısının hesaplanması, bu açının global planlayıcının gösterdiği hedefe yönelim açısı ile ağırlıklandırılarak navigasyonun sağlanması fikri yatmaktadır. Tüm lokal planlayıcılar için olduğu gibi FGM için de robotun çevreyi algılayabilme yetisi çok önemlidir. Bunun için kullanılan sensörlerin başında kamera ve lazer tarayıcılar gelir. Bu sensörlerin menzil ve görüş açısı anlamında limitasyonları olduğu durumlar için veya iç ortam dış ortam gibi farklı çevre koşullarında çalışma durumları için lokal planlayıcı algoritmalarında yeni geliştirmelere ihtiyaç duyulabilir. Bu tez çalışmasında, FGM ile önceki çalışmalarda hem genel navigasyon senaryoları durumunda yaşanan, hem sensör kısıtlamalarından kaynaklı meydana gelen problemleri çözmek için yeni geliştirmeler sunulmuştur. Bununla birlikte bu geliştirilen algoritmalarla eski hallerinin performansını simülasyon ortamında çok sayıda rastgele senaryolara maruz bırakarak kıyaslamaya imkan tanıyan bir Gazebo test otomasyonu aracı geliştirilmiştir. FGM'ye eklenen yeni geliştirmeler, FGM'nin boşluk hafızası desteği ile iyileştirilmesi, bunun yanında dinamik engellerin olduğu durumlarda bu engellerin aşılabilmesi için FGM'ye boşluk değişimlerini öngörerek hareket etmesini sağlayan bir öngörü yaklaşımının entegre edilmesi şeklindedir. Geliştirilmiş algoritma ile standart versiyonu hem spesifik navigasyon senaryolarında incelenmiş hem de Monte Carlo simülasyonlarına tabi tutularak kıyaslanmıştır. Son olarak da simülasyon ortamı ve gerçek sistem üzerinde örnek senaryolar gösterilmiştir. FGM standart haliyle çevredeki boşlukları değerlendirirken sadece o an tespit edebildiği boşlukları hesaba katabilmektedir. Bu da, robotun o an bulunduğu konuma, bakış açısına ve çevreyi algılama sensörlerinin kısıtlamalarına göre birtakım senaryolarda boşluk bilgilerinin çok az sayıda ve yetersiz olmasına neden olabilmektedir. FGM'ye boşluk hafızası desteğinin sunulması, robot konum değiştirmiş olsa da, yönü değişmiş olsa da önceden tespit etmiş olduğu boşluk bilgilerinden faydalanabilmesini, daha geniş bir yelpazeden boşluk seçimi yapabilmesini mümkün kılar. Böylelikle robot daha fazla seçenek arasından, daha iyi bir rota seçimi yapabilir veya o an hiç boşluk tespit edemiyor olsa dahi geçmişteki boşluk bilgileri sayesinde hedefine ilerleyebilir. Hafıza desteği boşlukların saklanacak bilgileri olan, köşe koordinatları, orta nokta koordinatı, genişliği bilgilerini her boşluk tespitinde hesaplar ve hafıza birimine iletir. Algoritmada bir ayarlanabilir parametre olarak bulunan hafıza boyutu, yeterli sayıda yeni boşluk gelince eskilerin hafızadan kaldırılmasını sağlayan bir parametredir. Standart FGM ile boşlukların orta noktası ve köşeleri gibi bilgiler sadece o an hesaplanıp o an kullanıldığı için her zaman robot koordinat eksenine göre hesaplanır ve robota göre açısal hızları bilinir. Hafıza desteğiyle kullanımında ise robotun hareketine göre boşlukların açısal konumları değişmiş olacağından, köşe noktaları, orta noktalar gibi bilgiler yeni bir yaklaşımla global harita koordinat ekseninde elde edilir. Aynı boşluğa ilişkin farklı zamanlarda alınmış birçok tespitin ise ağırlıklandırmalı birleştirmesi yapılarak, sensör gürültüsünden veya verimsiz bakış açısından kaynaklanabilecek hatalı tespitlerin etkisi azaltılır, boşluğa ilişkin daha yüksek doğruluklu bilgiler elde edilebilmiş olur. Standart FGM ile, navigasyon uygulamalarında sıklıkla rastlanan geriye dönüş, koridor sonuna varış, koridor sonunda L-dönüş gibi senaryolar ekstra bir davranış planlayıcı kullanılmadan aşılamamaktadır. Geliştirilen hafıza destekli FGM ise geride bıraktığı boşluk bilgilerinden faydalanarak geriye dönüş, koridor sonuna varmadan önce tespit edebildiği son boşluklarla en uç noktaya kadar ilerleyebilme ve orada L-dönüş yapabilme gibi aksiyonları başarabilmektedir. Bu genel senaryolar dışında haritada olmayan engellerin karşısına çıkması durumunda da bu engeller arasında oluşacak boşluklarda hafıza desteğinin katkısı gösterilmek istenmiştir. Bu amaç doğrultusunda rastgele konumlarda ve büyüklüklerde engellerden oluşan çok sayıda simülasyon ortamı oluşturulmak istenmiş ve bu ortamlarda her iki algoritma ile de navigasyon yapılarak hedef noktaya ulaşmadaki performansları incelenmek istenmiştir. Kullanılan simülasyon ortamı olan Gazebo'da bunu mümkün kılmak için bir test otomasyonu aracı geliştirmesi yapılmıştır. Bu test otomasyonu aracı kullanıcının belirlediği duvarları belli olan temel dünya olarak varsayılan Gazebo ortamında, yine kullanıcı tarafından belirlenmiş olan engel tiplerini istenen konum ve büyüklük aralıklarında rastgele atayarak çeşitli senaryoları barındıracak istenen sayıda simülasyon dünyası oluşturmayı sağlar. Ardından tüm bu simülasyon ortamlarında kıyaslanacak algoritmaların el değmeden seri şekilde navigasyon simülasyonlarının yapılmasını sağlar. Bununla beraber istenen performans metriklerini de bir kayıt dosyasına işleyerek sonuçları kullanıcıya ulaştırır. Hafıza destekli FGM ve standart FGM'nin kıyaslaması test otomasyonu aracı kullanılarak Gazebo'da yapılan 300'er simülasyon ile yapılmıştır. Bu simülasyonlarda otonom tekerlekli sandalye modeli, bir koridor ortamında baştan sonra giderken rota üzerinde karşılaştığı beklenmedik engelleri sırasıyla iki algoritmayı kullanarak aşmaya çalışır. Performans kriterleri olarak seçilmiş olan, kazasız hedefe ulaşma oranı, toplam alınan yol ve algoritmanın çalışma hızı bilgileri kayıt dosyasına işlenir. Elde edilen sonuçlara göre standart FGM hedefe kazasız şekilde \%95.67 oranında ulaşabilirken hafıza destekli FGM \%98.33 oranında ulaşabilmektedir. Basit hesaplamaları sayesinde oldukça yüksek frekansta çalışan standart FGM yöntemi 2597 Hertz (Hz) ile çalışırken hafıza desteğinin getirdiği yük ile bu hız 49 Hz'e inmiştir. Ancak genelde bir lokal planlayıcının 10 Hz ile çalışması yeterli karşılandığından, bu hız düşmesi önemli bir kayıp olarak değerlendirilmemiştir. Bunun yanında ortalama toplam alınan yol metriğinde ise standart FGM'nin 24.205 metre (m) değerine karşılık hafıza desteği ile bu 24.385m olmuştur. Bunun sebebinin standart FGM'nin sensör kısıtlamalarından ötürü sadece o an ön tarafında gördüğü boşluklar üzerinden ilerlemesi nedeniyle genelde düz gitmesinden kaynaklandığı, hafıza destekli FGM'nin ise diğer yönlerde kalan boşluk bilgilerini de kullanarak daha güvenli rotalardan gitmesinden kaynaklandığı görülmüştür. Monte Carlo simülasyonlarında iki algoritmanın farklı davranış sergilediği örnek senaryo görsellerle açıklanmıştır. Ardından gerçek sistem üzerinde haritada bulunmayan engellerin olduğu bir durumda standart FGM'nin aşamayıp, hafıza destekli FGM'nin aşabildiği senaryo yine görsellerle anlatılmıştır. Geliştirilen bir diğer yaklaşım öngörülü FGM olarak isimlendirilmiştir. Bu yaklaşımda ise dinamik engellerin olduğu ortamlarda standart FGM yaklaşımının, tespit ettiği boşluklarda meydana gelebilecek olası değişimlere karşı herhangi bir aksiyonu olmadığından, kaza ile sonuçlanan veya güvensiz rota tercihlerine neden olan problemlerini çözmek hedeflenmiştir. Öngörü yaklaşımı robotun harita koordinat düzlemindeki konum bilgilerinin lokalizasyon algoritmasından alındığını ve dinamik engelin de konum bilgisinin dışarıdan insan tespit/araç tespit algoritması gibi bir bileşenle lokal planlayıcıya ulaştırıldığı varsayımıyla geliştirilmiştir. Burada robot ve dinamik engel arasındaki mesafeyi belirleyen zamana bağlı bir matematiksel eşitlik her ikisinin de koordinat bilgilerini kullanarak yazılmıştır. Ardından robotun ve dinamik engelin sabit hızla gittiği varsayımıyla birbirlerine en yakın olacakları zamanın tespiti, mesafeyi belirleyen matematiksel eşitliğin zamana göre türevinin alınması ve sıfıra eşitlenmesi ile yapılmıştır. Bulunan zaman kadar sonra robotun konum bilgisi ve dinamik engelin konum bilgisi o anki hızlarına göre hesaplanarak kestirilmiştir. Dinamik engelin, bir köşesini oluşturduğu boşlukların ise o kadar zaman sonra hangi genişlikte ve hangi aralıkta olacağı kestirilmiştir. Böylelikle robot, dinamik engele en yakın olacağı zaman, bir diğer deyişle o dinamik engelin yanındaki boşluktan geçeceği zaman, hangi boşluğun daha doğru bir seçim olacağını kestirebilecektir. Öngörülü FGM ve standart FGM kıyaslaması yine Monte Carlo simülasyonları yöntemi ile test otomasyonu aracı kullanılarak, bu kez rastgele dinamik engellerin olduğu koridor ortamında Gazebo'da yapılmıştır. Her iki algoritma dinamik ortamlarda aynı senaryolara maruz kaldığında hedefe kazasız ulaşma oranları, toplam kat ettikleri mesafe, ortalama çalışma hızları test otomasyonu aracı ile kaydedilen dosyadan bakılarak karşılaştırılmıştır. Elde edilen sonuçlara göre standart FGM'nin kazasız hedefe varış oranı \%78.67 iken öngörülü FGM'nin bu performansı \%94.33 olmuştur. Ortalama alınan yol ise simülasyon ortamı başına standart FGM'de 22.240m iken bu değer çok değişmeyerek öngörülü FGM'de 22.183m olmuştur. Çalışma hızlarında ise standart FGM'nin 2506 Hz olan hızına karşılık, öngörülü FGM 1592 Hz ile çalışmıştır. Bu da yine hafıza destekli FGM'de yapılan yorum gibi bir lokal planlayıcı için 1592 Hz oldukça yeterli olduğundan kayıp olarak değerlendirilmemiştir. Rastgele simülasyon ortamlarında farklı performansların gözlemlendiği örnek senaryolar görsellerle açıklanmış, ardından gerçek sistem üzerinde dinamik engel olarak bir başka robotun da kullanıldığı deneylerde otonom tekerlekli sandalyenin standart FGM yöntemiyle aşamadığı, öngörülü FGM yöntemiyle aşabildiği senaryolar çalışılmıştır. Bu gerçek sistem deneylerinin de görsellerle açıklaması yapılmıştır. Sonuç olarak FGM yönteminin otonom tekerlekli sandalye gibi dar alanda çalışan büyük robotlarda veya çevreyi algılama sensörlerinin kısıtlı olduğu robotlarda aşamadığı problemlere hafıza desteği ile çözüm sunulmuştur. Bunun yanında dinamik engellerin olduğu ortamlarda bunlara karşı özel bir aksiyonu olmayan standart FGM'nin öngörü bileşeninin entegrasyonuyla güçlendirdiği gösterilmiştir. Performans incelemeleri, geliştirilen test otomasyonu aracı kullanılarak çok sayıda rastgele engelli ortamlarda Monte Carlo simülasyonları ile yapılmış, farklı davranışların oluştuğu örnek senaryolar hem simülasyon hem gerçek sistem çalışmalarından görseller ile açıklanmıştır. Çalışmanın daha ileri taşınması için atılabilecek adımların farklı robotlar üzerinde testler yapılması, geliştirilen yöntemlerin hız optimizasyonunun yapılması, her iki yaklaşımın birleştirilerek tek algoritmada çalışmasının sağlanması gibi adımlar olduğu düşünülmüştür.
Özet (Çeviri)
In contemporary times, autonomous mobile robots in various forms are frequently used for diverse purposes. Their applications range from carrying loads in production areas to cleaning and guidance services across different sectors. While the focus may be on the specific components of robots for intended tasks, fundamentally, autonomous mobile robots operate through algorithms that successfully execute tasks like localization, mapping, and path planning. There are continuous scientific advancements and solutions emerging every year to improve these tasks. In localization, developments aim to enhance the robot's environment perception using sensors to better estimate its position. Mapping research focuses on enabling robots to explore and learn about unknown environments. For path planning in a known environment, calculations determine the most efficient path from a starting point to a destination. This planning is mainly divided into two categories: global and local. Global planning aims to create the most efficient route by avoiding fixed and known obstacles without considering environmental changes and dynamic obstacles. In contrast, local planning aims to overcoming unknown obstacles and dynamic elements encountered during movement, while adhering to the global route and ensuring safety while calculating velocity commands. Local planning algorithms include notable approaches like Dynamic Window Approach (DWA), Elastic Band (EBand), Timed Elastic Band (TEB), Vector Field Histogram (VFH), and the simple yet effective Follow the Gap Method (FGM) for obstacle avoidance and local planning. FGM primarily focuses on detecting obstacles and gaps in the environment, calculating the orientation angle towards the midpoint of these gaps for avoidance, and takes weighted average of this angle with the global planner's direction to navigate. Crucial to all local planners, including FGM, is the robot's ability to perceive its surroundings, typically using cameras and laser scanners. For situations where these sensors have limitations in terms of range and field of view, or when operating in various environmental conditions such as indoor and outdoor settings, there may be a need for new developments in local planner algorithms. In this thesis, new developments have been presented with the FGM to address both general navigation scenarios and problems arising from sensor limitations encountered in previous studies. An innovative Gazebo test automation tool has been developed to compare the performance of these algorithms in various random scenarios within a simulation environment. The enhancements to FGM include improving it with a gap memory aid and integrating a predictive approach for maneuvering through dynamic obstacles by anticipating changes in gaps. The improved algorithm was examined in specific navigation scenarios and compared through Monte Carlo simulations where both algorithms were subject to various scenarios with unexpected obstacles. Additionally, example scenarios were demonstrated in both simulation and real systems. Standard FGM evaluates only currently visible gaps, leading to insufficient information in some scenarios due to the robot's position, perspective, and sensor limitations. Introducing gap memory aid enables the robot to use previously detected gap information for a broader selection and better route choices, even when no current gaps are detected. This memory stores details like corner coordinates and width of each detected gap, with an adjustable parameter controlling memory size and old data removal. In contrast to standard FGM, which uses information only momentarily and calculates every gap information relative to the robot's coordinates, memory-aided FGM (MA-FGM) calculates these data with a new approach and storing their coordinates in global map coordinate frame so that the informations of gaps remain correct even after robot changes it's pose. Also fusing multiple measurements from the same gap which were obtained in different times, resulting in reducing errors in gap information which are due to sensor noise or inefficient perspectives. In scenarios like U-turns, reaching corridor ends, or L-turns at the end of corridor, standard FGM often requires an additional behavior planner. However, MA-FGM can utilize past gap information for these maneuvers. This thesis demonstrates the utility of gap memory in overcoming newly encountered obstacles in simulations, comparing the performance of both algorithms in various environments created in Gazebo. A test automation tool facilitates this by randomly placing obstacles of different sizes and types in a basic Gazebo environment defined by the user. This tool also automates navigation simulations and records performance metrics for analysis. The comparison of MA-FGM and standard FGM involved 300 simulations each in Gazebo using an autonomous wheelchair model navigating through a corridor with unexpected obstacles. Key performance indicators like accident-free goal achievement, total distance traveled, and algorithm speed were recorded. Results showed that while standard FGM achieved a 95.67\% accident-free goal rate, MA-FGM reached 98.33\%. Despite a decrease in processing speed from 2597 Hertz (Hz) for standard FGM to 49 Hz with memory support, this rate is still sufficient for a local planner. The average total distance traveled slightly increased from 24.205 meters (m) to 24.385m, attributed to MA-FGM using gap information from all directions for safer routes, while standard FGM can only use gap information at front of vehicle due to sensor limitations. Additionally, a predictive approach, termed Predictive FGM, was developed to address the shortcomings of standard FGM in dynamic environments, particularly when encountering moving obstacles. This approach assumes that the robot's position is obtained from a localization algorithm and the dynamic obstacle's position from an external component like human/vehicle detection. A time-dependent mathematical equation calculates the nearest time and distance between the robot and the dynamic obstacle, predicting the obstacle's future position and the dimensions of the gaps around it. Predictive FGM aims to anticipate the correct gap choice when passing near a dynamic obstacle. A comparison of Predictive FGM and standard FGM in dynamic environments was conducted using Monte Carlo simulations in Gazebo, with random dynamic obstacles. The results indicated that while standard FGM had a 78.67\% success rate in reaching the goal without accidents, Predictive FGM achieved 94.33\%. The average distance traveled remained similar, which is 22.240m for standard FGM and 22.183m for Predictive FGM. The processing speed decreased from 2506 Hz for standard FGM to 1592 Hz for Predictive FGM, which is still adequate for a local planner. These performance differences were illustrated through example scenarios in both simulations and real-system experiments, where another robot is used as a dynamic obstacle in real world. In conclusion, the thesis demonstrates that the integration of memory support into the FGM provides solutions to problems it previously could not overcome in large robots operating in confined spaces, such as autonomous wheelchairs, or in robots with limited sensory perception. Additionally, it has been shown that standard FGM, which lacks specific actions against dynamic obstacles, is enhanced by integrating a predictive component for environments with dynamic obstacles. Performance evaluations were conducted using Monte Carlo simulations in numerous randomly obstructed environments, facilitated by the developed test automation tool. These assessments showcased various behaviors in both simulated and real system scenarios, illustrated with visuals. Future advancements of this work may include testing on different robots, optimizing the speed of the developed methods, and combining both approaches to function within a single algorithm.
Benzer Tezler
- Düzgün olmayan alanda SF6, N2 ve SF6+N2 gazlarında boşalma gerilimlerine elektrod yüzey pürüzlülüğünün etkileri
Effects of electrode surface roughness on corona inception and breakdown voltages in SF6, N2 and SF6+N2 in non-uniform fields
MURTAZA FARSADİ
Doktora
Türkçe
1989
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. MUZAFFER ÖZKAYA
- Global gravity field recovery from low-low satellite-to-satellite tracking with enhanced spatiotemporal resolution using deep learning paradigm
Global gravite alanının derin öğrenme paradigması kullanarak alçak uydudan alçak uyduya izleme ile iyileştirilmiş çözünürlükte belirlenmesi
METEHAN UZ
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN AKYILMAZ
- Elazığ - Sivrice ve Gezin civarının yeraltı yapısının gravite verileri kullanılarak modellenmesi
Modelling of the subsurface structures of Elazığ - Sivrice and Gezin region by using gravity data
NEDİM GÖKHAN AYDIN
Doktora
Türkçe
2024
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. DR. TURGAY İŞSEVEN
- Sürdürülebilir kentleşme endeks modeli önerisi: İstanbul örneği
Sustainable urbanization index model proposal: The Istanbul case
CEM AYIK
Doktora
Türkçe
2019
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. HATİCE AYATAÇ
DOÇ. DR. BEGÜM SERTYEŞİLIŞIK
- Comprehensive risk mapping and fire station optimization for forest fire management: An application in Antalya
Orman yangını yönetimi için kapsamlı risk haritalama ve yangın istasyonu optimizasyonu: Antalya uygulaması
ZÜHAL ÖZCAN YAVUZ
Doktora
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR KABAK
DR. ÖĞR. ÜYESİ İNCİ ÇAĞLAYAN