Insansız Kara Aracı İçin Çoklu Algılayıcı Yardımlı Ans/gks Entegrasyonu

Abstract

İnsansız Kara Araçları (İKA) hakkındaki araştırmalar şu anda çok ilgi çekici durumdadır. Bu araştırmaların en önemli hedefi insan hatalarından kaynaklana trafik kazalarını azaltarak kara yolu ulaşımında güvenliği arttırmaktır. Bu hedefe istenilen güvenilirlikte ulaşabilmek için, bu araçlar farklı görevlerde ve çeşitlerdeki çoklu algılayıcılara ve yapay zekaya ihtiyaç duyarlar. Bir İKA’nın en temel yeteneklerinden biri navigasyondur. Bir çok farklı algılayıcılardan gelen bilgileri kullanarak, İKA kendi kinematik durumlarını belirleyebilme, güzergah planlama ve istenilen konumlara gidebilmek için gerekli manevraları hesaplayabilme kabiliyetlerine sahip olmalıdır. Aracın kinematik durumlarını kestirebilmek diğer navigasyon görevlerini başarıyla yerine getirebilmek için çok önemlidir. Aracın durumlarını kestirebilmek için kullanılan genel yöntem Ataletsel Navigasyon Sistemi (ANS) ve Global Konumlandırma Sistemi (GKS) entegrasyonudur. Bu iki sistem birbirlerinin tamamlayanı özellikler gösterdikleri için, Kalman Filtreleri kullanılarak bilgi birleştirmesine uygun durumdadırlar. Bu çalışmada, ANS’nin hassasiyeti dijital bir pusula ve aracın motor enkoderi kullanılarak ilerletilmiştir. Oryantasyon kestiriminde, iki Kalman filtresi arka arkaya kullanılarak transformasyon matrisinin elemanları sistemde bulunan ölçümler yardımıyla kestirilmiştir. Genişletilmiş Kalman Filtresi (GKF) kullanılarak aracın hızının kestirimi holonomik olmayan kıstlar modeli ve motor enkoderi ölçümleri ile yapılmıştırANS kısmı bittiği zaman, GKF kullanılarak ANS navigasyon sonuçları GKS’den gelen ölçümlerle birlikte birleştirilmiştir. Sonuçlar, uzun zamanlı GKS kesintileri sırasında ANS’nin hassasiyetinin geliştirlmiş olduğunu göstermektedir. Bu gerçeklenen sistem standart ANS/GKS birleştirici sistemlerinden çok daha fazla hassas olduğu gözlemlenmiştir. Bu algoritma Labview kullanılarak gerçekleştirilmiştir ve bir IKA üzerinde yüklenip gerçek zamanlı test edilmiştir. Sonuçlar, uzun zamanlı GKS kesintileri sırasında ANS’nin hassasiyetinin geliştirlmiş olduğunu göstermektedir. Bu gerçeklenen sistem standart ANS/GKS birleştirici sistemlerinden çok daha fazla hassas olduğu gözlemlenmiştir.

Research on Unmanned Ground Vehicle (UGV) is currently attracting a lot of interest. The ultimate objective is to increase safety by reducing traffic accidents caused by human faults. To reach this objective with desired reliability, these vehicles require the use of multiple sensors of various types and artificial intelligence. A fundamental capability of a UGV is navigation. Using the information from various sensors, an UGV should be capable of determining vehicle’s kinematic states, path planning and calculating the necessary maneuvers to move between desired locations. Estimation of the vehicle states is important to achieve other navigation tasks. The common way to estimate the vehicle states is the Inertial Navigation System (INS) and Global Positioning System (GPS) integration. Since both systems have complementary properties, they are well suited for data fusion using Kalman filters. In this work, the accuracy of INS is improved by using a digital compass and a motor encoder. In orientation estimation, two Kalman filters are implemented in cascade to estimate the transformation matrix elements by using the measurements available in the system. An EKF is used to estimate the velocity of the vehicle using non-holonomic model with the motor encoder measurements. After INS stage is completed, an EKF is used to fuse the INS navigation results with GPS measurements. The results show that the accuracy of INS is improved during long term GPS outages and the implemented system is much more accurate than the standart INS/GPS integration system.