Mobil robotik sistemlerde sensör füzyonu kullanarak gelişmiş durum kestirimi
Using sensor fusion for improved state estimation in mobile robotic systems
- Tez No: 952010
- Danışmanlar: DOÇ. DR. İSMAİL UYANIK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 132
Özet
Bu tez çalışmasında, mobil robotik sistemler için sensör füzyonuna dayalı gelişmiş bir durum kestirim yaklaşımı geliştirilmiştir. Çalışmanın temel amacı, farklı tür ve frekansta sensörlerden elde edilen verileri bütünleşik bir yapıda birleştirerek robotun konum, yönelim ve hız gibi durum değişkenlerini yüksek doğrulukla tahmin edebilen bir sistem ortaya koymaktır. Bu kapsamda, hem kapalı alan laboratuvar ortamında gerçekleştirilen deneylerle hem de açık alan veri setiyle doğrulanan çok sensörlü bir veri toplama ve durum kestirim altyapısı tasarlanmış ve uygulanmıştır. Tezde öncelikle, mobil robotlar için kritik öneme sahip olan proprioseptif (ör. IMU, odometri) ve eksteroseptif (ör. LiDAR, stereo kamera) sensörlerden elde edilen verilerin bütüncül bir yapıda birleştirilmesiyle elde edilebilecek güvenilir durum kestirimi üzerine odaklanılmıştır. Bu bağlamda, Bayesyen temelli sensör füzyonu yaklaşımları incelenmiş ve özellikle genişletilmiş Kalman filtresi (EKF) yöntemi temel alınarak eksteroseptif sensörlerin değerlendirilmesi sağlanmıştır. Öte yandan, yüksek frekansta çalışan proprioseptif sensörlerin doğrusal olmayan dinamiklerini daha hassas modelleyebilmek amacıyla, Hata Durum Kalman filtresi (Error-State Kalman Filter, ESKF) yapısı geliştirilmiştir. ESKF sayesinde, IMU'dan kaynaklanan yönelim sürüklenmeleri ve bias etkileri modellenmiş; odometri ile birlikte anlık hareket kestirimi daha düşük hata ile elde edilmiştir. Geliştirilen durum kestirim sistemi, bu iki füzyon katmanını bir araya getirerek hem yüksek frekanslı ve kısa vadeli kestirimleri hem de düşük frekanslı ancak daha güvenilir konum verilerini senkronize bir biçimde birleştirmiş ve genel sistem doğruluğunu anlamlı ölçüde artırmıştır. Tez kapsamında özgün bir Çoklu Sensör Ünitesi tasarlanmış; Velodyne 3B LiDAR, ZED stereo kamera, Xsens IMU ve RTK-GNSS modülleri entegre edilerek taşınabilir, modüler ve farklı robot platformlarına kolayca adapte edilebilen bir donanım altyapısı oluşturulmuştur. Bu donanım, hem dört bacaklı (Unitree GO1 EDU) hem de tekerlekli (Husky A200) mobil robot platformları üzerinde test edilmiştir. Sistem çıktıları, referans konum verileriyle karşılaştırılarak mutlak hata, ortalama hata ve RMSE gibi metrikler üzerinden analiz edilmiştir. Çalışma sonucunda, geliştirilen sensör füzyonu yaklaşımının, yalnızca tekil sensörlere dayanan sistemlere kıyasla daha düşük konum hatası ve daha kararlı bir yönelim kestirimi sunduğu gözlemlenmiştir. Özellikle zemin kaymaları, sensör bozulmaları, düşük görüş alanı gibi koşullar altında sistemin adaptif yapısı sayesinde güvenilirliğini koruduğu tespit edilmiştir. Genel olarak, bu tez çalışması; mobil robotlarda çok sensörlü veri kullanımı ile daha esnek, güvenilir ve genellenebilir bir durum kestirim sisteminin mümkün olduğunu göstermiştir. Geliştirilen yöntem ve elde edilen sonuçlar, hem akademik araştırmalar hem de pratik uygulamalar açısından önemli katkılar sunmaktadır.
Özet (Çeviri)
In this thesis, an improved state estimation approach based on sensor fusion has been developed for mobile robotic systems. The primary objective of the study is to design a system capable of accurately estimating state variables such as position, orientation, and velocity by integrating data from heterogeneous sensors operating at different frequencies within a unified framework. In this context, a multi-sensor data acquisition and state estimation infrastructure was designed and implemented, validated through both indoor laboratory experiments and an outdoor dataset. The thesis initially focuses on reliable state estimation achieved by integrating proprioceptive (e.g., IMU, odometry) and exteroceptive (e.g., LiDAR, stereo camera) sensors, which are of critical importance for mobile robots. Bayesian-based sensor fusion methods were examined, and particularly, the Extended Kalman Filter (EKF) was employed to incorporate measurements from exteroceptive sensors. On the other hand, to better model the nonlinear dynamics of high-frequency proprioceptive sensors, an Error-State Kalman Filter (ESKF) architecture was developed. This framework effectively addressed orientation drifts and bias effects inherent in IMU measurements, enabling more accurate motion estimation when combined with odometry data. The proposed system combines these two fusion layers to synchronize high-frequency, short-term estimations with low-frequency but more reliable position data, thereby significantly enhancing overall estimation accuracy. As part of this research, a novel Multi-Sensor Unit was designed, integrating a Velodyne 3D LiDAR, a ZED stereo camera, an Xsens IMU, and an RTK-GNSS module into a portable and modular hardware setup that can be easily adapted to various robotic platforms. The system was tested on both legged (Unitree GO1 EDU) and wheeled (Husky A200) mobile robots. The output of the proposed system was evaluated against reference ground truth data using metrics such as absolute error, mean error, and RMSE. The results demonstrate that the developed sensor fusion approach outperforms systems based solely on individual sensors in terms of position accuracy and orientation stability. Notably, the system maintained its reliability under challenging conditions such as ground slippage, sensor degradation, and limited field of view, thanks to its adaptive architecture. Overall, this thesis shows that utilizing multi-sensor data in mobile robotics enables the development of a more flexible, reliable, and generalizable state estimation system. The proposed methods and obtained results provide significant contributions to both academic research and real-world applications.
Benzer Tezler
- Çoklu sensör veri füzyonunda minimal temsil yaklaşımı ile çevre algılama
A Minimal representation approach in multisensor data fusion for environment identification
GÜLNUR PARLAK
Yüksek Lisans
Türkçe
2000
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. HAKAN TEMELTAŞ
- Alternative navigation methods: Fusion of optical flow and visual-inertial pose estimation using EKF
Alternatif navigasyon metotları: EKF kullanılarak, poz tahmini için optik akışı ile görsel ataletliyi füzyon etmektedir
ABDEL SALAM BAWARSHI
Yüksek Lisans
İngilizce
2019
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE KOYUNCU
- Comparison of quaternion-based orientation estimation methods using 9-dof marg sensors
Dokuz serbestlik dereceli marg sensörleri kullanılarak dördey tabanlı yönelim kestirim yöntemlerinin karşılaştırılması
BURAK TANTAY
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Step length estimation using sensor fusion for indoor positioning
İç mekan konumlandırması için sensor füzyonu ile adım uzunlugu tahmini
HASBİ SEVİNÇ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Otonom robotlar için pekiştirmeli öğrenme tabanlı dağıtık arıza teşhis sistemi
Reinforcement learning based distributed fault diagnosis system for autonomous robots
MAHMUT KASAP
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET YAZICI
DOÇ. DR. EYÜP ÇİNAR