Active slam with informative path planning for heterogeneous robot teams

dc.contributor.advisor Temeltaş, Hakan
dc.contributor.advisor İnsansız Hava Aracı'nı (İHA'yı) ve İnsansız Kara Aracı'nı (İKA'yı) bünyesinde bulunduran heterojen yapılı robot takımları, günümüzde gözetleme, takip, keşif, vb. farklı görevlerde kullanılmaktadır. Çevrenin haritalanmasını gerektiren keşif görevlerinde, heterojen robot takımlarının ortamı daha iyi anlayabilmesi adına, ortak bir haritaya ihtiyaç duyulmaktadır. Bu doğrultuda özel yaklaşımlarla, Lidar Odometre ve Haritalama (LOH) ile zorlayıcı yapıların bulunduğu ortamda, araçların kooperatif bir şekilde benzerlik metriklerini kullanarak ortak harita çıkarması sağlanmaktadır. Bunun yanı sıra, sınırları belirli bir alanın, heterojen robot takımları ile keşfini sağlamak adına sürekli olarak toplanan bilgiyi arttırıcı kontrolcü tasarımı kullanılmaktadır. Farklı tipte hareket denklemlerine ya da dinamik modellere ve/veya farklı sensör yapılarına sahip robotlardan oluşan robot takımlara heterojen yapılı robot takımları denmektedir. Diğer taraftan robot takımlarının eş zamanlı konumlama ve haritalama problemi ile bu takımdaki robotların yol planlamalarının eş zamanlı gerçeklemesi ise Aktif eş zamanlı konumlama ve haritalama (EZKH) problemi olarak adlandırılmaktadır. Buradaki eş zamanlı gerçeklemedeki amaç otonom robot araçları için planlanan yolların aynı zamanda EZKH'deki belirsizliği de minimize edecek şekilde gerçekleştirilmesidir. Diğer bir deyişle otonom robot araçları için bilgilendirici yol planlarının oluşturulmasıdır. Bu çalışmanın temel amacı heterojen yapılı robot grupları için bilgilendirici yol planlamaya dayalı bir Aktif-EZKH sistemi tasarlamaktır. Robot takımlarının farklı dinamik ve sensörlere sahip olması diğer bir deyişle heterojen yapıda olmaları, bu robot takımlarına avantajlar getirmektedir. Örneğin; hava robotları hızlı hareket edebilir, kara robotları daha ağır faydalı yükler taşıyabilir ve hedef nokta ile doğrudan etkileşime girebilirler. Karma bir araçlı bir yapı içerisinde yer alan İHA ile İKA oluşan bir robot grubu keşif, arama veya güvenlik amaçlı sınırları belirlene bir bölge içinde iş birliği yaparak ortam içindeki görevlerini insandan bağımsız bir şekilde otonom olarak gerçekleyebilir. Burada İHA ve İKA'ların birbirleri ile yer istasyonu aracılığı ile veri paylaşımında olduğu varsayılmaktadır. Komşuluk alanları içerisinde haberleşme ile harita paylaşımı ya da araç durum vektörü paylaşımı yapabilen robot birimleri kooperatif robotlar olarak gösterilmektedir. Bu çalışmada dış ortam sensörü olarak 360° ortam taraması yapabilen ve saniyede 300.000 adet noktanın mesafesini ölçebilen 3B LIDAR sistemi kullanılmıştır. Yüksek çözünürlüklü ölçüm avantajının yanı sıra bu kadar büyük miktardaki veriden optimum miktarda ve hızlı bir şekilde anlamlı veri üretip bunları robot konumlama, planlama ve koordinasyonunda kullanım da ayrı bir zorluk ortaya koymaktadır. Temel olarak, hareketli olan bir araçtan elde edilen nokta bulutunun coğrafik olarak yerleştirilmesi gerekmektedir. Bu işlem sadece Lidar sensörü kullanılarak da; farklı sensörlerin verilerinin ortak bir şekilde kullanılması aracılığıyla da yapılabilir. SadeceLidar ile toplanmış verilerin işlenerek nokta bulutunun coğrafik olarak yerleştirilmesi ve gözlem sırasında sensörün hareketinin elde edilmesi, bu çalışmada LOH ile sağlanmaktadır. Bu sayede; GPS ve IMU olmaksızın EZKH yapılabilmektedir. Buna ek olarak, sensörlere binen gürültülerden dolayı oluşabilecek kaymalar ve yanlış veri elde edilmesi engellenebilmektedir. Buna karşılık, GPS, enkoder ve IMU verileri ile Lidar verileri birleştirilerek Genişletilmiş Kalman Filtresi (GKF) konumlaması da sağlanabilmektedir. Burda sensör verilerinin olasılıksal yaklaşımlarla işlenmesi ile robotun konumu elde edilmektedir ve bu konum ile Lidar verilerinin coğrafik yerleştirme yapılması sonucunda da belirli bir orijine sabitlenmiş nokta bulutu çıktısı alınmaktadır. Sonrasında da bu nokta bulutu ile istenilen yöntem ile elde edilen odometre ve nokta bulutu verisi farklı haritalama yöntemleri kullanılarak ayarlanabilir özel görsel çıktılar sağlanabilmektedir. Bunlardan biri, sekizli ağaç yapıları kullanılarak elde edilen OctoMap olmaktadır. OctoMap yöntemi, tez çalışmasında kullanılmasının temel sebepleri olan, çözünürlük ayarlaması, doluluk olasılığı üst ve alt sınırları belirlenmesi ve 3B olarak sağlanabilmesi açısından faydalı bir araç olmaktadır. Bu yöntem ile, ortamın uyarlanabilir şekilde, ortamın 3B haritasının çıkarılması sağlanmaktadır. Lidar sensörlerinin havadan alınan nokta bulutları ile karadan alınan nokta bulutları farklı geometrik özellikler taşımaktadır. Ancak, hava ve kara Lidar görüntülemesinin birbirlerini tamamlaması bakımından oldukça büyük avantajları da mevcuttur. Hava aracı ve kara aracı tarafından yapılan ve birilerinin göremedikleri bölgelerin görüntülenebilmesi sağlanılmaktadır. Bu avantajı kullanabilmek adına farklı açılardan lokal olarak görüntülenen ortamın ortak bir haritada birleştirilmesi gerekmektedir. Harita birleştirme adımını gerçekleştirmek adına her iki robotun elde ettiği verilerden ortak olanını belirlemek gerekmektedir. Kuş bakışı veya yatay olması fark etmeksizin bir nesnenin yere göre yüksekliği; hem havadan hem karadan yapılan gözlemlerde sensörlerin görüş açısı sınırları içerisinde aynı olacaktır. Bu doğrultuda, yükseklik verileri üzerinden benzerlik metrikleri kullanılarak haritaların birleştirilmesi sağlanabilmektedir. Bu tez çalışmasında, İHA ve İKA tarafından elde edilen nokta bulutu ızgara haritasına benzer bir yapıda olan yükselti haritaları kullanılmıştır. Izgaralar ile bölünmüş hücrelerdeki en yüksek noktanın verisinin kullanılması ile 2.5D harita elde edilmesi sayesinde yükselti haritaları oluşturulmaktadır. Benzerlik metrikleri aracılığıyla ise bu haritadaki yükseklik bilgilerinin birbirine oturmasını sağlayacak konum ve yönelim farkı belirlenmektedir. Çalışmanın sonraki aşamalarında entropi teorisi kullanılması sebebiyle entropi temelli benzerlik metrikleri ile harita birleştirme yapılmıştır. Yedi farklı tipteki entropi metriği ile yapılan benzerlik karşılaştırması sonucunda "Jensen Divergence" entropi tanımının en az hata ile haritalar arasında dönme ve öteleme farkının belirlenmesini sağladığı, deneyler ile doğrulanmıştır. Ayrıca; haritanın dikey eksende katmanlara ayrılması ve bu katmanlar üzerinden yapılan yükseklik benzerlikleri hesaplaması ile optimum konum ve yönelim ( veya dönme ve öteleme) farklarının belirlenmesinin; katmanlara ayırma metodunun kullanılmasına göre daha avantajlı olduğu da gösterilmiştir. Her bir otonom araç "Harita Birleştirme" süreci sonrasında bu harita Aktif-EZKH süreci için kullanılarak hem harita bilgileri daha hassas hale getirilir hem de robotun gitmesi gereken yeni konumu tespit edilmiş olur. Yol planlaması, görevin etkin bir şekilde icrası için gerekli olan kritik adımlardan biridir. Enerji tüketim, elde edilen sonucun gerçekleşme süresi ve kalitesi uygulamanın ana kriterleridir. Bu nedenle, yol planlama algoritmaları etkin sistemler oluşturmak üzere kullanılmaktadır. Yol planlama algoritmaları farklı türde olabilir ama özelliklehedef işaretleme ve bilgi maksimizasyonuna dayalı yöntemler diğer yol planlama yöntemlerine göre belirgin üstün özelliklere sahip olanlarıdır. Hedef odaklı yol planlama algoritmalarında, birimlerin belirli bir hedefe ulaşabilmesi adına oluşturduğu kontrol eylemleri bulunmaktadır. Bilgi maksimizasyonu yaklaşımı; ortam, nesnenin diğer nesneler veya bir hedef hakkında daha fazla bilgi almak için bir doğrultu boyunca hareket etmesi olarak tarif edilebilir. Burada bağıl entropi teorisi, bilgi maksimizasyonu yaklaşımı olarak sunulmuştur. İlaveten, bağıl entropi, karşılıklı bilgi ile çevresel durum entropisiyle arasındaki farktır. Bağıl entropi kullanılarak, bilgi metrik olarak ifade edilebilmektedir. Çevresel durumlar ile gözlemler ile elde edilen durumlar arasındaki bağıl entropi üzerinden yaratılan amaç fonksiyonunun optimal çözümü sonucunda elde edilen hedef nokta, o bölgedeki bilginin belirlenen kriterlere göre istenilen seviyeye çekilmesini sağlamaktadır. Bu, EZKH ile etkileşimli çalışan yol planlaması temelli bir optimal kontrol yöntemidir. Bu yöntem çerçevesinde Bilgi Teorisinden faydalanılarak belirsizlik terimleri ile entropi terimleri arasında ilişki kuran bir Karşılıklı Bilgi terimi tanımlanır. Kulback-Liebler Mesafesi olarak da tanımlanan bu Karşılık Bilgi terimi maksimum değerine ulaştığında belirsizleri temsil eden entropi terimleri de minimize olurlar. Bu sebeple Karşılık Bilgi terimine dayalı bir amaç fonksiyonu oluşturularak bu fonksiyonu maksimize yapacak robot konum ve hareket vektörleri optimal kontrol yaklaşımı ile elde edilir. Bu elde edilen terimler heterojen robot takımında yer alan otonom robotlara uygulanarak onların hareketleri planlanmış olur. Amaç fonksiyonunu Lyapunov kararlı yapan bu noktalar ise bir hacimsel bölgenin merkezidir ve bu hacimsel bölgedeki bilgiyi maksimize etmek üzere belirlenmiştir. Bu noktaya ulaşmak için, robotlar belirlenen kurallar çerçevesinde hareket etmektedir. Bu kurallar ise İHA veya İKA'nın hedef noktaya hareketinin seçimi ve hedef noktaya ulaşım için engellerden kaçınmayı içermektedir. Bu yöntemin; özellikle farklı boyutlarda nokta bulutu ölçümü yapabilen hava be kara araçlı robot takımındaki uygulamaları literatürde mevcut değildir. Bu teorik çalışmaları ön plana alan çalışmaların çıktılarının özellikle arama-kurtarma, keşif ve güvenlik gibi robot takımı uygulamaları için büyük önem taşıyacağı değerlendirilmektedir. Önerilen yöntemde, ortamdan yapılan ölçümler ile araç hareketlerinde oluşabilecek belirsizliklerini etkilerini en aza indiren kara ve hava robotlarından oluşan heterojen yapılı robot takımlarının keşif amaçlı yol planlama algoritmalarının geliştirilmesi ve performanslarının test edilmesi hedeflenmiştir. Aynı zamanda, bu görevleri icra edebilmek adına belirli harita birleştirmenin de gerçekleştirilmesi gerekmektedir. Öncelikle; harita birleştirilmesi yönteminin doğrulanması adına üniversite kampüsünde belirli bir bölgede kara aracı olarak Clearpath Husky A200, hava aracı olarak ise DJI Matrice 600Pro ve bu araçlar üzerinde bulunan Lidar sensörü kullanılmıştır. Sonuç olarak; teorik çalışmalarda verilen benzerlik metriklerinden en optimum olanı deneyler aracılığıyla belirlenmiştir. Sonrasında; bilgilendirici yol planlama yönteminin doğrulanması amacıyla Robot İşletim Sistemi ("ROS") ve Gazebo temelli, karmaşık ancak günlük yaşantıda karşılaşılabilinen bir simülasyon ortamı kurulmuştur. Bu simülasyon ortamında altı farklı durum yaratılarak heterojen robot takımları için bilgilendirici yol planlamalı Aktif EZKH gösterilmiş ve parametre ayarlamaları ile uygulamaya göre değiştirilebilir bir yapı sağlanmıştır. tr_TR
dc.contributor.author Akay, Mehmet Caner
dc.contributor.authorID 650277 tr_TR
dc.contributor.department Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı tr_TR
dc.date.accessioned 2022-03-02T12:37:47Z
dc.date.available 2022-03-02T12:37:47Z
dc.date.issued 2020
dc.description Tez (Doktora) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2020 tr_TR
dc.description.abstract Recently, heterogeneous teams consisting of unmanned ground vehicles and unmanned aerial vehicles are being used for different types of missions such as surveillance, tracking, and exploration, etc. Exploration missions with heterogeneous robot teams should acquire a common map for understanding the surroundings better. The unique approach presented in this dissertation with cooperative use of agents provides a well-detailed observation over the environment where challenging details and complex structures are involved. Also, the presented method is suitable for real-time applications and autonomous path planning for exploration. Lidar Odometry and Mapping with various similarity metrics such as Shannon Entropy, Kullback-Liebler Divergence, Jeffrey Divergence, K Divergence, Topsoe Divergence, Jensen-Shannon Divergence and Jensen Divergence are used to construct a common height map of the environment. Furthermore, the given layering method that provides more accuracy and a better understanding of the common map. All of the given similarity metrics are compared, and the advantage of utilizing the layering method is shown. The best similarity metric for constructing a heterogeneous robot team common map of the experimental area was obtained by using the Jensen Divergence similarity metric and layering method. Moreover, Extended Kalman Filter localization and OctoMap techniques are utilized to create an adaptive simultaneous localization and mapping infrastructure for informative path planning. Optimal parameter tuning for the specified simulation environment provides adjustable memory allocation and exploration performance, such as; duration, collected information and effort. The information seeking controller obtained with the use of relative entropy ensures exploration of the given area to minimize the uncertainty between observed states and environmental states. Robots move to the volumetric spaces' center under given rules and collect measurements by proprioceptive and exteroceptive sensors. With the use of heterogeneous robot teams, the measurements collected by the Lidar provide an advantage in perceiving complex details that can not be done by homogeneous robot teams. Constructing common map part of the theoretical approaches in this thesis are experimentally validated. In addition, the complete demonstration of this dissertation is done with six different cases by simulation studies. The theoretical background of active simultaneous localization and mapping with informative path planning for heterogeneous robot teams are validated, and the advantages of this study are remarked. en_US
dc.description.degree Doktora tr_TR
dc.description.degree Ph. D. en_US
dc.identifier.uri http://hdl.handle.net/11527/19998
dc.language.iso en_US en_US
dc.publisher Fen Bilimleri Enstitüsü tr_TR
dc.rights Kurumsal arşive yüklenen tüm eserler telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır. tr_TR
dc.rights All works uploaded to the institutional repository are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission. en_US
dc.subject Robotlar tr_TR
dc.subject Robots en_US
dc.subject Robotik tr_TR
dc.subject Robotics en_US
dc.subject Sayısal bilgisayar benzetimi tr_TR
dc.subject Digital computer simulation en_US
dc.subject SLAM Bilgisayar program dili tr_TR
dc.subject SLAM Computer program language en_US
dc.title Active slam with informative path planning for heterogeneous robot teams en_US
dc.title.alternative Heterojen robot takımları için bilgilendirici yol planlamalı aktif EZKH tr_TR
dc.type Thesis en_US
dcterms.type Tez tr_TR
Dosyalar
Orijinal seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.alt
Ad:
504122104.pdf
Boyut:
5.61 MB
Format:
Adobe Portable Document Format
Açıklama
Doktora tezi
Lisanslı seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
license.txt
Boyut:
3.06 KB
Format:
Item-specific license agreed upon to submission
Açıklama