Otononom Mobil Robotlarda Dağılımlı Kalman Filtresi Tabanlı Eş Zamanlı Lokalizasyon Ve Haritalama

Abstract

Kestirim araçları mobil robotların navigasyonunda kullanılan eş zamanlı haritalama ve navigasyon algroritmalarının tabanını oluşturur. Son yirmi yıldır en iyi bilinen teknik genişletilmiş kalman filtresi tabnalı eş zamanlı haritalama ve lokakizasyon dur. Bunun yanında Parçaçık Filtrenin kullanıldığı FastSLAM teknikleri de gelşitirilmiştir. Parçaçık filteresi yöntemi kendi içinde genişletilmiş kalman filtreleri içerir. Günümüzde ise araştırmalar Dağılımlı Kalman Filtresi tabanlı eş zamanlı lokalizasyon ve haritalama algoritmalarına odaklanmıştır. Kararlı ve doğru haritaların oluşturulması için kulanılan kestirim araçlarınında kararlı olması gerekir. Dağılımlı kalman filtresi tekniğinin geliştirilmesindeki amaç, diğer filtrelerdeki kusurları indirgeyerek bu kararlığı sağlamaktır. Dağılımlı Kalman Filtresi, insansız araçların navigasyonunda en çok kullanılan genişletilmiş kalman filtresinin eksiklerini gidermek amacıyla, alternatif olarak geliştirilmiş bir kestirim aracıdır.Dağılımlı kalman filtrelerinde , Genişletilmiş Kalman Filtresin de bulunan türev alma işlemleri( jacobian, hessian) yoktur. Bu nedenle Genişletilmiş Kalman Filtresi ne göre daha optimal çalışan bir filtredir. Bu tezde dağılımlı kalman filtresi tabanlı eş zamanlı haritalama ve lokalizasyon algoritmaları oluşturulmuştur.Ve bu yöntemin mobil robotların navigasyon uygulamalarındaki uyumluluğunu görmek amaçlanmıştır. Sigma noktalı filtreler ailesinden olan Dağılımlı kalman filtresi incelenmiştir ve diğer bir kestirim yöntemi olan Genişletilmiş Kalman Filtresi ile karşılaştırılmıştır. Simulasyon çalışmalarımız, bilgisayar ortamında MATLAB programı kullanılarak yapılmıştır. Deneysel çalışmalarımız ise laboratuvarımızda kurulmuş olan insansız kara araçları üzerinde yapılmıştır. Çeşitli yörüngeler ve değişik işaretçi nesne sayıları ile testler yapılmıştır.

Estimation methods are base elements for simultaneous localization and mapping algorithms used for monile robot navigation. simultaneous localization and mapping with extended kalman filters has been best known method for last twenty years.Beside these method FastSLAM using particle filters techniques are developed too. Particle filters include extenden kalman filters in itself. Nowadays, researches focused on simultaneous localization and mapping algorithms with unscented kalman filters. For constructing stationary and reliable maps, used estimation tools must be consistent.The purpose for developin unscented kalman filter is to overcome some flaws in other estimation methods and make that consistency.. Unscented Kalman Filter, is an alternative estimation method to mostly used extended kalman filters to deal with its flaws, in unmanned vehicles navigation. In unscented kalman filter, there is no need to calculate jacobian or hessians like EKF. Beacuse of that it works more optimal then EKF. Uncented Kalman filters based simultaneous localization and mapping algorithms are developed in this thesis. And compatibility of this method in mobile robot navigation implementations is observed. Unscneted Kalman Filter from the family of sigma point kalman filters is examined. Simulation works is done by using MATLab program. We did the experimental works in our laboratory with previously made unmanned vehicles. Several test are made with different trajectories and different landmark numbers.