İnsansız Kara Araçları Navigasyonunda Genişletilmiş Kalman (gkf) Ve Sıkıştırılmış Genişletilmiş Kalman Filtre (sgkf) Tabanlı Ezlh Yöntemlerinin Geliştirilmesi Ve Karşılaştırılması

Abstract

Mobil robot navigasyonunda kullanılan Eş Zamanlı Lokalizasyon ve Haritalama (EZLH) algoritmalarının en temel iki problemi bulunmaktadır. İlk problem gözlemler neticesinde haritaya eklenen işaretçi nesnelerin sayısının artması ile oluşan hesaplama yüküdür. İkinci problem yapılan gözlemlerin haritaya daha önceden eklenen işaretçi nesnelere mi yoksa yeni işaretçi nesneleremi ait olduğu bilgisini veren veri ilişkilendirmedir. Bu çalışmada, mobil robot navigasyonundaki en çok kullanılan ve iyi geliştirilmiş bir filtre olan Genişletilmiş Kalman Filtre (GKF) tabanlı EZLH ile GKF’nin getirdiği hesaplama yoğunluğuna çözüm olarak sunulan Sıkıştırılmış Genişletilmiş Kalman Filtre (SGKF) tabanlı EZLH uygulamasının Bireysel Uyumlu Yakın Komşuluk (BUYK) ve Bileşik Uyumlu Dallanma ve Bağlanma (BUDB) veri ilişkilendirme algoritmaları kullanılarak karşılaştırılmıştır. İki adet uygulama programı yazılmıştır. İlk uygulama programında GKF ve SGKF işlemci zamanları ve kovaryans matrisleri arasındaki farklar çeşitli sayıda işaretçi nesne sayısıyla karşılaştırılmıştır. İkinci uygulamada ise diferansiyel araç ve LMS 200 2-D lazer sensörü modellenerek karesel bir yörüngede değişik sayıda rastgele atanmış işaretçi nesneler ile BUYK ve BUDB veri ilişkilendirme algoritmalarını içeren GKF ve SGKF tabanlı EZLH simulasyonu yapılmıştır.

Simultaneous Localization and Mapping (SLAM) using for the mobile robot navigation has two main problems. First problem is the computational complexity due to the growing state vector with the added landmark in the environment. Second problem is data association which matches the observations and landmarks in the state vector. In this study, we compare Extended Kalman Filter (EKF) based SLAM which is well-developed and well-known algorithm , and Compressed Extended Kalman Filter (CEKF) based SLAM developed for decreasing of the computational complexity of the EKF based SLAM. We write two simulation program to investigate these techniques. Firts program is written for the comparison of EKF and CEKF based SLAM according to the computational complexity and covariance matrix error with the different numbers of landmarks. In the second program, EKF and CEKF based SLAM with the ICNN and JCBB data association algorithms simulations are presented. For this simulation differential drive vehicle that moves in a 10m square trajectory and LMS 200 2-D laser range finder are modelled and landmarks are randomly scattered in that 10m square environment.