Mobil robotlarda sensör füzyon tekniklerine dayalı konum tahmininin geliştirilmesi
Improving position estimation in mobile robots based on sensor fusion techniques
- Tez No: 958353
- Danışmanlar: DR. ÖĞR. ÜYESİ EBU YUSUF GÜVEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde otonom sistemler, robotik teknolojiler ve akıllı sensör platformları birçok sektörde yaygın şekilde kullanılmaktadır. Özellikle savunma, ulaşım, sağlık ve tarım gibi kritik alanlarda, bu sistemlerin çevresel farkındalıkla güvenli ve doğru şekilde hareket edebilmesi büyük bir gereklilik hâline gelmiştir. Bu ihtiyacı karşılamak üzere geliştirilen temel algoritmalardan biri SLAM (Simultaneous Localization and Mapping) yöntemidir. SLAM, bir robot ya da otonom aracın daha önce bilinmeyen bir ortamda hareket ederken çevrenin haritasını oluşturmasını ve aynı anda kendi konumunu tahmin etmesini sağlar. Gelişen sensör teknolojileri sayesinde konum tahmin sistemlerinde yalnızca tek bir veri kaynağına bağlı kalmaksızın; stereo kameralar, ataletsel ölçüm birimleri (IMU), LiDAR ve odometri gibi çoklu sensör verileri birlikte kullanılmakta ve sensör füzyonu uygulanmaktadır. Bu entegrasyon, sistemin lokalizasyon doğruluğunu ve kararlılığını önemli ölçüde artırmakla birlikte; zaman senkronizasyonu, kalibrasyon tutarsızlıkları, veri bütünlüğü ve sensör gürültüsü gibi çeşitli teknik zorlukları da beraberinde getirmektedir. Bu nedenle, klasik SLAM algoritmalarına ek olarak konum tahmin hatalarını düzeltmeye yönelik destekleyici yöntemlerin kullanılması kritik önem taşımaktadır. xv Bu çalışmada, çoklu sensör verisiyle çalışan bir SLAM sisteminden elde edilen konum tahminlerinin doğruluğunu artırmak amacıyla, LSTM (Long Short-Term Memory) ve MLP (Multi-Layer Perceptron) gibi yapay zekâ modelleriyle iyileştirme yapılmıştır. Yapay zekâ tabanlı bu düzeltici modellerin performansı, ground truth verilerle karşılaştırılarak hem sayısal metrikler hem de görsel analizlerle değerlendirilmiştir. Ayrıca, veri ön işleme, kullanılan sensör türü ve zaman senkronizasyon yapısının konum tahminine etkileri detaylı şekilde incelenmiştir. Elde edilen bulgular, yapay zekâ destekli düzeltici yöntemlerin, klasik SLAM temelli tahmin yapısına kıyasla anlamlı iyileştirmeler sağladığını ortaya koymaktadır.
Özet (Çeviri)
In recent years, autonomous systems, robotic technologies, and smart sensor platforms have found widespread application across various sectors. In critical domains such as defense, transportation, healthcare, and agriculture, ensuring that these systems can navigate safely and accurately with environmental awareness has become a fundamental necessity. To address this need, one of the core algorithmic approaches developed is Simultaneous Localization and Mapping (SLAM). SLAM enables a robot or autonomous vehicle to construct a map of an unknown environment while simultaneously estimating its own position. Thanks to advances in sensor technologies, localization systems are no longer dependent on a single data source. Instead, multi-sensor fusion techniques combining stereo cameras, inertial measurement units (IMU), LiDAR, and odometry are employed. While this integration significantly improves the accuracy and robustness of localization, it also introduces technical challenges such as time synchronization, calibration inconsistencies, data integrity issues, and sensor noise. Therefore, in addition to classical SLAM algorithms, complementary methods aimed at improving localization accuracy have become increasingly important. xvii In this study, position estimates obtained from a SLAM system utilizing multi-sensor data were enhanced using artificial intelligence models such as LSTM and MLP. The performance of these correction models was evaluated by comparing their outputs with ground truth data using both quantitative metrics (e.g., RMSE) and visual analyses. Furthermore, the effects of data preprocessing, sensor types, and synchronization structures on localization accuracy were examined in detail. The findings demonstrate that AI-assisted localization systems offer significant improvements compared to classical SLAM-based approaches.
Benzer Tezler
- İlkokul çağı erkek çocuklarında inmemiş testis anomalisi ve insidansı
The anomaly and incidence of cryptorchidism in primary school boys
SERDAR SEZGİN
- Lohusalıkta anneye verilen sağlık eğitiminin annenin doğum sonrası döneme ilişkin bilgi düzeyine etkisinin incelenmesi
Başlık çevirisi yok
HANDAN GÜLER
Yüksek Lisans
Türkçe
1987
HemşirelikCumhuriyet ÜniversitesiHemşirelik Ana Bilim Dalı
Y.DOÇ.DR. MELİHA ATALAY
- İzmir yöresindeki süt sığırcılığı işletmelerinde sağımı yemleme ve temizlemeye ilişkin uygulamaların mekanizasyon işletmeciliği açısından irdelenmesi
Başlık çevirisi yok
ENGİN ÇAKIR
Yüksek Lisans
Türkçe
1986
ZoolojiEge ÜniversitesiTarımsal Mekanizasyon Ana Bilim Dalı
PROF.DR. RAUF UÇUCU
- Türkiye'de yonga levha endüstrisi sorunları ve çözüm yolları
Die spanplatten indüstrie in der Türkei ihre probleme und lösungsmöglichkeiten
ABDİ EKİZOĞLU
- Sabit çıkış projeksiyon alanı ve lüle yüksekliğine sahip dairesel kesitli üç boyutlu hava yastıklarının mukayeseli etüdü
A Comparative study of three-dimensional air cushions with circular cross section, exit projection area and constant nozzle height
ARMAĞAN İNALHAN