Theses supervised by Prof. Dr. Hakan Temeltaş
10 theses · İstanbul Technical University
Improved performance for SLAM techniques using TRAP configured 2D LRFs
The issue covered in this thesis can be evaluated in two stages. In the first part of this work, some of the 2D laser range finder (LRF) based Simultaneous Localization and Mapping (SLAM) techniques available in Robot Operating System (ROS) have been discussed and compared with each other. These methods, which distinct differences from each other, are compared according to their advantages and disadvantages. These comparisons have been realized first in simulation environments, after then these comparisons have been done in real time experimental environment. There are two major reasons for working in a simulated environment. Among these, the battery consumption and charging problem which is the energy problem is the first reason. In real-time applications on the system, the battery drained within approximately one hour and recharged within five to six hours. This situation caused to a slowdown in the studies. It took at least six hours to wait for about an hour of work. In order to remove this problem, working in simulation environment has been preferred to solve the constraint in time. Another reason for the preference of the simulation environment is to avoid from possible damages of the equipments in any fault in the codes. In the simulation, crashing against the walls or obstacles do not damage the real system. The second objection is a hardware innovation which was proposed and the effects of this innovation were discussed. The improvement offered is a structure related with 2D LRF position configuration. In a traditionally configuration, a single 2D laser sensor is positioned at the front of the vehicle centered. In this existing structure, the mobile robot does not scan every point around itself totally, and blind spots have been occurred around the robot. However, in the proposed new 2D LRF position configuration, it is possible to perceive every point around 360° without any blind spot. This structure have been named as Transversal Positioned and is represented by TRAP. Two 2D laser sensors have been applied in the TRAP configuration and the sensors are placed at angles of 45° on the diagonal line of the mobile robot and the backs of the LRFs are facing each other. In this way, it was provided to detect everything around the vehicle without a blind spot. In the same way, the traditional structure and the TRAP structure are compared in terms of the predetermined criteria, additionally their advantages and disadvantages have been examined. ROS has been used in both real time environment and simulated environment. There are certain reasons why ROS has been chosen. One of the main reason for this selection is being an open source and freeware. Another factor is that being used by many researchers who work in academic, industrial and personal research area of robotics. Another reason for the preference of the ROS platform is the ease in which the simulation work is delivered in real time. Under normal circumstances it can be quite challenging to introduce a new hardware into the system and start using it. Considering the advantages provided by ROS, it is much easier to attach a new equipment to a platform and start to use the data from the attached equipment. It is not necessary to write code snippets separately for each piece of hardware. The existing code snippets are shared with all users because the platform is open source. The users need only change the parameters in the code fragment in the direction of the request and quickly start to introduce the hardware to the system and start to receive data. This simplicity allows the users to spent their time on code algorithm development rather than hardware attachment. One of the biggest reasons why ROS is preferred is that the codes developed for the simulation environment can be applied directly to the real-time system with minor modifications. The main focus of the thesis is the SLAM problem, which is often sought in the robotics literature. In order to be able to grasp this problem correctly, firstly, uncertainties in robotics were explained. These disclosures include filter structures used in this area, modeling mobile robot movements and sensor modeling. After the uncertainties in the field of robotics were expressed, explanations were given on localization and mapping issues. Explanations were made on what the localization and mapping problems are in the robotic research area, and what approaches are being sought. In order to understand the SLAM problem, it is necessary to understand the localization and mapping problems. The reason of that is because in SLAM these two problems have been followed simultaneously by each other. In the following, the definition of the SLAM problem is defined and information about what it is also given. ROS-compatible 2D laser sensor based SLAM methods were studied and investigated. While experimenting with SLAM techniques available in ROS three environment scenarios have been created to be compatible with the studies. These scenarios vary depending on the complexity of the environment according to the number and type of obstacles. Depending on the complexity of the environment, it is possible to name these scenarios as easy, medium and difficult, respectively. These scenarios with different difficulty levels have been proposed in order to make the comparison of SLAM methods available in ROS as fair and detailed as possible. It has been analyzed how behaviors changed in different environments. The first scenario was designed as an empty corridor consisting of only walls without any obstacles in the environment. This scenario can also be called a simple scenario. In the second scenario some static obstacles were added and the environment was tried to be more complicated. This scenario can be called the average scenario. Finally, more stable obstacles have been added than the previous one, and with this, not only are the obstacles with moving motions added. The final scenario can also be called a difficult scenario. In order to be able to perform a fair evaluation, the scenarios are fixed for each different SLAM structure, ie no changes are applied and the situation is adapted to the moving obstacles. It has also been noted that in all cases the vehicle starts at the same starting point and determines the same ending point as the target itself. Experimental studies have been carried out in accordance with these criteria. A similar comparison was made about the 2D laser sensors placed in the TRAP structure with the conventional 2D laser sensor construction. In this comparison, the same scenarios as the previous scenarios were used, and the starting points and the ending points were considered to be identical. In the third scenario, including the dynamical obstacles, the difference between the TRAP and the traditional structure was clearly visible. In a conventional 2D laser sensor structure, when a moving obstacle has been detected in the environment, the running algorithm can not directly understand whether it is a dynamical obstacle or not. Although in the algorithm in which the sensor has perceived an obstacle, this perceived structure may also be the result of a slip on the map. In situations like this the mobile robot needs additional data in order to understand what is perceived to be an obstacle or a slip on the map. In order to collect these additional data, the vehicle must rotate several times around its axis and the necessary data will be obtained as a result of these rotations. If the mobile robot encounters a moving obstacle again after it starts to move, it needs to rotate around its own axis again and get additional data. This requirement also extends the completion of the task. When the same experiment is repeated with the equipment for which the TRAP structure has been applied, the need to rotate the vehicle around its axis has been removed or reduced as far as possible. This has greatly reduced the completion time of the task. In addition, the faster completion of the algorithm also reduces the amount of battery used, thus providing a longer usage time.
Combination of MCL and ICP methods for accurate indoor localization
Nowadays, mobile robots that are widely used in the industry are moving on pre-planned paths. These paths are prepared using wires, magnetic tapes or any other methods that allow the robot to follow the path. However, using these paths restricts the movement of the robot. This is because when it is necessary to change the target locations of the robot in the factory, the paths have to be prepared from the very beginning in accordance with the new task of the robot. Doing this will cause extra cost and time loss. For these reasons, mobile robots used in the industry need to reach the target without any help, instead of moving on predetermined paths as they go to the target position. In order to do this, they need to know their current pose. In this thesis, the localization study for indoor mobile robots that are used in the industry was performed in the simulation environment by using a two-step indoor localization method. In the first step of the localization method, the pose of the robot was roughly estimated and then its pose was roughly tracked in a known environment by using the Monte Carlo Localization algorithm. In the second step, when the robot was close to a predetermined target point, the instantaneous pose of the robot was accurately estimated by using a variant of ICP algorithm.
İç ortamlarda 2 boyutlu mobil robot lokalizasyonu
Localization of an object is an important issue in order to achive navigation successfully. In this study, localization is used for a mobile robot navigation for indoor environment. A mobile robot is used in a wide range and also it has lots of missions. The mobile robot has to know its current poisition in order to perform its assignments such as path following, reaching target positon, etc. So, localization is a paramount case for a mobile robot in order to carry out its assignments. Localization with odometry technique is the most known in this area. Odometry is based on integration in order to find position parameters. So, this integration basis causes error parameter for each calculation. For each scan, the error paramater is added the previous error value and error is getting bigger with each environment. When the error increases, the difference between current position parameters and calculated position parameters also increase. Because of this, localization does not give reliable solution. In order to overcome this disadvantageous method, the necessity of new techniques occurs. One of the alternatives is scanning environment with a laser. To accomplish localization for mobile robots with laser scanning, position coordinates and rotation angle parameters are correlated during the process without any error parameters. In this study, localization technique for a mobile robot is performed for 2D indoor environment. In order to carry out this study, laser sensor is used to scan environment. When laser sensor scans environment and collect data, these data have to be transferred to the computer to process and apply localization procedure. The communation and transformation between laser sensor and computer is provided by serial interface RS422. In the computer, MATLAB programme is used to process data. The laser sensor scans the environment with 180̊ scanning angle and 1̊ resoluion. Thus, at the end of one scan 181 data point is transferred to MATLAB. First of all, these 181 points' are extracted to features with split and merge algorithm. So, less number of features are obtained instead of points. This split and merge algorithm is applied for each scan data. At the result of split and merge algorithm, there are feature maps for each scan. Features have to be associated between each consecutive two feature maps in order to obtain common fetaures. These common features provide calculating changes on the position in the next step, data relation. Data association is carried out by distance and angle algorithm. In this method, not for all features, only two chosen features for each maps are associated and the result is obtained via these features. At the end of this step, there is one couple random feature for the first map and another couple feature in the second map which correspond to the features in the first map. In this way, associated features are obtained. In the final step, it is known that which feature in the first map match which feature in the second map. Therefore, the changes between these associated features gives the changes for the position in the same time. These changes are deal with translational on x coordinate, translational on y coordinate and rotation. In this step first of all, it is assumed that the start point cartesian coordinates is known for the first map as a reference point (0,0) and also the rotation angle is 0. Thus, for the first consecutive scans, the difference is obtained according to this reference point assumption and calculated new position values. Then, for the second consecutive scan, the new position parameters is calculated with the previous position values. Finally, in order to obtain rotation and translational paramaters between two featıure sets 'MATLAB Estimate Geometric Transform' function is used. This function matches point pairs. Thus, current position can be calculated with these parameters with konwledge of translation from the reference point and also its rotation according to the reference point.
Küçük ölçekli turbo jet motor modellemesi ve kontrolü
Hafif itkili türbin motorları günümüzde; model uçaklar, insansız hava araçları ve farklı hava platformlarında oldukça yoğun bir şekilde kullanılmaktadır. Turbo prop, Turbo jet ve Ramjet gibi yüksek performanslı çeşitleri vardır. Turbo jet motorlar küçük hacimlerine rağmen sahip oldukları yüksek performans verileriyle avantajlı motorlardır. Ancak yakıt tüketimi göz önüne alındığında çok verimli sayılmazlar. Tezde JetCentral firmasının ürettiği Cheetah'nın kerosen ile çalışan modeli kullanılmıştır. Kullanılan JetCentral Cheetah turbo jet motoru, tek kademeli kompresör ve türbine sahiptir.Tez; tek kademeli kompresör ve türbine sahip turbo jet motor modellenmesi, analizi, kontrolü ve prosedür adımlarına uygun bir şekilde çalıştırılabilmesini kapsamaktadır. Tez kapsamında JetCentral Cheetah turbo jet motoruna ve motorun yakıt besleme sistemine ait matematiksel bir model geliştirilmiş ve analiz edilmiştir. Turbo jet motorlar; hava giriş alığı, kompresör, yanma odası, türbin ve egzoz lülesi bileşenlerinden oluşur. Tüm bu bileşenlerin ve rotor dinamiklerinin bağımlı matematiksel modeli tez kapsamında geliştirilmiştir. Tek kademeli turbo jet motorun modellemesinin yapılabilmesi adına; devamlılığın korunumu, momentumun korunumu, enerjinin korunumu ve durum denklemlerinden yararlanılmıştır. Bunun yanında kompresör ve türbin için boyutsuz parametreler kullanılarak motora ait davranış denklemleri geliştirilmiştir. Geliştirilen matematiksel model simülasyon ortamında incelenmiş ve kontrol edilmiştir. Geliştirilen modelin sınanması için bir test düzeneği kurulmuş ve test uygulamaları yapılmıştır. Tezin ilk bölümü olan giriş kısmında; çalışma ile ilgili genel tanımlar ve açıklamalar yapılmıştır. Çalışmanın yürütülme amacından,literatürde turbo jet motor modellemesi ve kontrolü konusunda daha önce yapılan çalışmalardan, karşılaşılan ana problemlerden ve güncel ilerlemelerden bahsedilmiştir. Tezin motivasyonu ve amacı, tezin kapsamı ve tezin genel yapısı da ilk bölümde verilmiştir. Turbo jet motor sisteminin tanıtılmasının bulunduğu ikinci bölüm,jet motorlarının çeşitleri ve çalışma prensiplerini içermektedir. Motor bileşenlerinin açıklandığı alt bölümde; hava giriş alığı, kompresör, türbin, yanma odası ve egzoz lülesi bileşenlerinin çalışma tarzlarının tanımlaması yapılmıştır. Tezde kullanılan turbo jet motor olan JetCentral Cheetah'nın çalışma sekanslarının açıklandığı kontrol prosedürü bölümü ve motorun teknik özelliklerine değinilmiş ve bu tarz turbo jet motorların kontrolör tasarımı aşamasında karşılaşılabilecek problemleri minimuma indirmek adına uygulanması gereken tasarım kararları, kontrol gereksinimleri adı altında anlatılmıştır. Bu bölüm aynı zamanda turbo jet motorun ve motora yakıt temin eden yakıt besleme sisteminin gereksinimlerini de içermektedir. Turbo jet motor ve yakıt besleme sisteminin modellemesinin yapıldığı bölümde, her bir sistem için iki farklı modelleme yöntemi uygulanmış ve gerçek sistem ile daha yakın sonuçların elde edildiği komponent bazlı modellemeler analiz edilmiştir. Jet motorun komponentleri için ayrı ayrı geliştirilen matematiksel model bir sonraki bölümde kontrol ve analiz edilmiştir. Çevrimde model (MIL : Model-in-the-Loop) yöntemi ile sistemin davranışları istenilen niteliklere yaklaştırılmaya çalışılmış ve motor sağlığını koruma amacıyla uygulanan çeşitli limitlerle beraber izin verilen tüm çalışma zarfları arasındaki geçiş performansı analiz edilmiştir. Bölümde modeller arası karşılaştırmalar yapılmış ve geliştirilen kontrolör performansının gerçekçiliği teyit edilmiştir. Ardından Cheetah'ya ait bir test düzeneği kurulmuş ve gerçek test aşamasına geçilmiştir. Bu aşamadan kullanılan mikrokontrolör ile yakıt pompası, akkor buji, yakıt ana hat valfi, ateşleme yakıt hattı valfi, yeldeğirmenleme BLDC motoru gibi motorun tüm yan komponentleri senkronize bir şekilde çalıştırılmıştır. Tezin son aşamasında elde edilen model ve veriler analiz edilmiştir. Çalışma hakkında ulaşılan noktalar ve gelecekte yapılabilecek ilerlemeler hakkında yorum ve eleştiriler verilmiştir.
Mobil robot simülatörleri ve ileri seviye simülasyonlar
Bu çalışma kapsamında öncelikle robot kavramının tarihsel gelişimi incelenmiştir. Robot kelimesi ilk defa Karel Capek tarafından bir tiyatro oyununda kullanılmış olsa da robot fikrini kökeni Eski Yunan'a kadar uzanmaktadır. Gezgin Robotlar incelenmeden önce gezginlik kavramı tanımlanmıştır. Eğer gezginlik yeteneği yeteneği konum değiştirebilme yeteneği olarak tanımlanırsa; çeşitli eyleyiciler yardımıyla konumunu değiştirme yeteneğini sahip robotlara gezgin robot denir. Gezgin robotun kendisine verilen görevi yerine getirmek için bulunduğu ortamı algılamak zorundadır. Bu amaçla kullandığı birimlere algılayıcı denir. Gezgin robotların kullandığı algılayıcı türleri Kızılötesi Algılayıcılar, Ultrasonik Algılayıcılar, Laser Algılayıcılar, LIDAR'lar ve Kameralar olarak sıralanmıştır. Bu algılayıcıları türlerinin birbirlerine göre avantajları, dezavantajları araştırılmıştır. Robotik Simülatörlerin ne oldukları ve Robotik Simülatör kullanımının bir gezgin robotun gerçeklenmesinin hangi aşamasında ihtiyaç duyulduğu incelenmiştir. Robotik Simülatörü, zamandan ve maliyettten tasarruf edilmesi amacıyla robotlara yüklenecek gömülü yazılım uygulamalarının, fiziksel olarak robottan bağımsız olarak test edilmesi amacıyla kullanılan bilgisayar programlarıdır. Piyasada birden fazla robotik simülatörü bulunmaktadır. Bu robot simülatörlerinden başlıcaları V-Rep, Webots, MobileSim olarak sıralanabilir. Robotik simülatörleri, gerçekçi simülasyon amacıyla fizik motorları içermektedirler. Kullanıcılar robotik simülatörleri, içerisindeki tasarım araçlarını kullanarak kendi robotularını oluşturabilirler. Oluşturdukları robota kendi ihtiyacına uygun olan algılayıcıları ve eyleyicilere entegre edebilirler. Gezgin robotlar kendilerine verilen görevi yerine getirmeleri için etkin yol planlama algoritmalarına ihtiyaç duyarlar. Gezgin robotların gelişimi süresince yol planlama sorununun çözümü için pek çok farklı çözüm önerilmiştir. Bu çözüm önerilerinin kendine özgü artı ve eksileri bulunmaktadır. Yol planlama algoritmalarını çevrimiçi ve çevrimdışı olmak üzere ikiye bölebiliriz. Gezgin robotun izleyeceği yol, gezgin robot hareket halinde iken gerçek zamanlı olarak belirleniyor ise bu yol planlama algoritması çevrimiçi olarak adlandırılır. Gezgin robotun izleyeceği yol, Bu tez kapsamındaki çalışmada robotun önüne çıkacak engelleri başlangıçta bilmediği varsayılmaktadır bu nedenle kullanılacak yol planlama algoritmaları çevrim içi yol planlama algoritmaları arasından seçilmeleri uygun olur. Bu nedenle tez kapsamında programlaması pratik olan Bug algoritmaları ve Potansiyel Alanlar Yaklaşımı incelenmiştir. Simülasyon çalışmaları kapsamında ise daha önce tartışılan yol planlama algoritmaları incelenmiş ve LIDAR simülasyonu ile Benzerlik Alan Metodu uygulaması gerçekleştirilmiştir.
Ortak mimarili yapılar ile insansız araçlarda veri iletişimi
Verinin bir ağ üzerinde herhangi bir kaynaktan bir hedefe yol alabilmesi için gerekli olan en önemli ölçüt ağı oluşturan tüm elemanların aynı dili konuşması ya da aynı kurallar ailesine uyarak haberleşmeleridir. Ortak protokol kullanılmasındaki amaç diğer istemcilerin tek bir yazılım kullanarak birbirinden farklı siteler açabilmesi, tek yazılımla birden çok dosya paylaşımına bağlanabilmeleridir. Bilgisayar sistemlerinde en yaygın olarak kullanılan kurallar bütünü ve protokol TCP/IP (Transmit Control Protocol / Internet Protocol)'dir. Robotik sistemlerde de kullanılan bilgisayar ve hesaplama sistemleri TCP/IP protokolünü kullanarak robot ile Kontrol Ünitesi ve ya operatör arasında veri iletişimini sağlayabilirler. Bu çözümde, haberleşme veri yapısının her robot geliştirici için farklı ve birbiriyle uyumsuz olması ile farklı kaynaklardan çıkan insansız sistemler için geliştirme ve değiştirmenin sadece tasarlayan kişi tarafından yapılabilmesi başlıca sorunları temsil etmektedir. JAUS (Joint Architecture for Unmanned Systems) referans modeli, bu eksiklikleri gidermekte ve robot sistemlerinde esneklik, erişilebilirlik ve güvenilirlik sağlamaktadır. JAUS dünya üzerinde birçok farklı üreticinin ve firmanın ürettiği değişik tipteki insansız araçların birlikte çalışabilir (interoperability) olmasını garantileyen bir dizi standartları belirleyerek üreticilere ve geliştiricilere bu desteği vermiştir. Birden fazla üretici ve araştırmacı birbirinden farklı platformlarda ve farklı fiziksel donanımlarda kendi insansız sistemlerini geliştirmektedir. JAUS farklı üreticilerin geliştireceği insansız sistem parçalarını ve bileşenlerini standartlaştırır, değişik tipte donanım ve yazılımların birbiri ile iletişim kurmasına olanak sağlar. JAUS sayesinde bu gibi heterojen bilgisayar sistemleri birlikte çalışabilmektedir. Ek olarak insansız sistemleri kendi bünyemize dâhil etme ve çalıştırma operasyonları daha basitçe ve hızlıca yapılabilmektedir. Ayrıca Jaus TCP/IP kullandığı için farklı bir veri transfer kanalı ya da donanımına ihtiyaç duymamaktadır. JAUS özellikle askeri anlamda yapılan görevlerde aynı anda birden fazla insansız sistemi yönetmeyi de sağlamaktadır. Sistemimizi mantıksal olarak JAUS yazılımına tanımlayarak sistemin JAUS topolojisi oluşturulur. JAUS topolojisini ve yazılımını sistemimize uygularken kullanılan bazı kavramlar ve seviyeler vardır. Bu kavram ve açıklamalar detaylı olarak JAUS Referans Modelinde anlatılmıştır. JAUS topolojisinde bulunan sistem, alt sistem, nod ve bileşenlerin JAUS haberleşme uyumluluklarına göre üç seviyede sınıflandırılırlar. JAUS'un günümüzde takip ettiği referanslara göre çeşitli sürümleri bulunmaktadır. Bu sürümler iki ana gruba ayrılmıştır. JAUS Referance Architecture (RA) ya da diğer bir deyişle referans modeli, JAUS'un ilk çıkan orijinal halidir. JAUS'un bu projesinin geliştirilmesi sürüm 3.3'den sonra durduruldu. Temeli bileşenler arası haberleşme mimarisine dayanmaktadır. SEA-JAUS JAUS'un standartlarının günümüzde kullanılan son güncel halidir. Servis tabanlı bir mimariye sahiptir. JAUS++, JAUS protokolünün nesneye dayalı C++ uyarlaması olan bir açık kaynak kod kütüphanesi projesidir. JAUS++ projesi, mühendisler ve geliştiricilerin kendi robotik projelerine JAUS protokolünü kolayca dâhil edebilmelerini amaçlamıştır. İlk sürümleri JAUS RA (Referans Modelini) temel almaktadır. İkinci sürümden sonra günümüzde de geçerli JAUS sürümü olan SAE JAUS standartlarına göre geliştirilmiştir. Bu tezde JAUS mimarisinin bileşenlerinin incelenmesi ve insansız sistemimizi JAUS uyumlu hale getirme adımları konu alınmıştır. JAUS uyumlu hale getirmek için literatürde bulunan kod kütüphaneleri incelenip test edilmiştir. Bu kod kütüphaneleri içinde güncel ve başarılı olanı seçilmiştir. JAUS++ kütüphanesi kullanılarak operatör kontrol ünitesi ve Radxa Rock ARM tabanlı bilgisayar kullanılarak JAUS mesaj alışverişi gerçekleştirilmiştir. JAUS sayesinde insansız sistemler arasında sağlanan iletişim kullanarak birçok görev daha verimli hale getirilebilir. JAUS'un yazılımsal tasarımından ötürü oluşturulan JAUS kodları yeniden kullanılabilirdir. Bu sayede yazılım maliyetleri ve insansız sistem üzerinde çalışan program en uygun düzeyde koşturulabilir. Üretilen robotların uluslararası ölçekte daha iyi yer edinebilmesi için JAUS uyumlu olması her zaman bir artı olacaktır. Bu alışverişin diğer veri alışverişlerine göre avantajları gözlemlenmiştir.
Mobil robotlarda Markov konumlama tabanlı navigasyon
Çağımızda mobil robotların kullanımı çok geniş bir alana yayılmış durumdadır. Mobil robotlar, engellerden sakınarak hedefe ulaşma, belirli bir yol planını takip etme gibi görevleri yerine getirdiği alanlarda kullanılmaktadır. Mobil robotların kendilerine yüklenen bu görevleri gerçekleştirebilmeleri için nerede olduklarını bilmeleri gerekmektedir. Bu nedenle konum hesaplamaları ile bir mobil robotun sürekli olarak 'Ben neredeyim?' sorusuna cevap aranmaktadır. Bu nedenlerden dolayı bir mobil robotun etkili bir şekilde kullanılabilmesi için konumlama verileri önemli bir yere sahip olmaktadır. Mobil robotların nerede konumlandığı bilgisini elde etmek için bir çok yöntem önerilmiştir. Bu yöntemler hem uygulanan metod hem de kullanılan veriler ve haritalar açısından farklılıklar gösterebilmektedir. Bunlar göreceli konumlama ve mutlak konumlama olarak bilinir. Konumlama işleminin doğruluğunu arttırmak için bu iki yöntem beraber uygulanır. Bunlardan en bilineni odometri yöntemi ile konum belirleme metodudur. Fakat odometri yönteminde tekerleklerden alınan verilerin işleme alınması ile yapılan bu konumlama işleminde hatalar mevcut olabilir. Bunun nedeni ise, tekerleklerin zemin üzerinde patinaj yapması veya kaymasıdır. Bu nedenler ile konumlama işlemi doğru bir şekilde gerçekleşemez. Mobil robotları konumlandırma işleminde zamanla olasılıksal yaklaşımlar devreye girmiştir. Olasılıksal konumlama, robotun çevreden aldığı bilgileri işleyerek nerede olma ihtimalini arttırıp azaltarak konumunu tespit etmesidir. Olasılıksal konumlama da çeşitli durumlar söz konusudur. Tez de bu çeşitli durumlar anlatılmış ve incelenmiştir. Robotun ilk pozisyonun bilindiği durağan bir ortamda olasılıksal konumlama yöntemlerinden biri olan markov konumlama yöntemi tercih edilmiştir. Markov konumlama yönteminde robotun sahip olduğu bir inanış vardır. Bu aslında robotun o konumdaki olasıksal dağılım fonksiyonudur. Mobil robot başlangıç inancına sahip olarak başlar. Bu tez çalışmasında robotun başlangıç inancı bulunmaktadır. Ayrıca markov konumlama yönteminin bir gereği olarak robotun konumun belirlenmesinde odometrik veriler ve dış sensörlerden alınan veriler beraber işlenerek konumlama gerçekleştirilmiştir. Markov konumlama yöntemi iki ayrı modelleme işleminin uygulanmasıdır. Araçtan odometrik verilerin alınması için bir hareket modellemesi ve kullanılan sensörden alınan verilerin kullanılması için bir algısal modelleme yapmak gerekir.Bu tez çalışmasında kullanılan araç diferansiyel tekerelek modeline sahiptir. Diferansiyel tekerlek sistemi incelenmiş ve kulllanılan aracın olasılıksal modellemesi yapılmıştır. Ayrıca dış sensör olarak LMS 200 tipi lazer sensör kullanılmıştır. Sensör hakkında incelemeler yapılmış ve modellenerek çalışmada kullanılmıştır. Yapılan bu tez çalışmasında amacımız odometrik verilerin işlenmesi ile yapılan konumlamadaki hataları gidermek için olasılıksal bir konumlama yöntemi olan markov tabanlı navigasyonu gerçekleştirmektir. Markov yönteminin temeli, bulunduğu çevrede olasılık yoğunluk fonksiyonunu kullanarak bir tahminleme işlemi gerçekleştirmesidir. Yapılan çalışmalarda, markov konumlama tekniğinin ızgara tabanlı harita üzerinde yapılan işlemlerinde işleme merkezi olarak kullanılan bilgisayara çok fazla bir yük bindiği görülmüştür. Bunun nedeni çok fazla olasıksal değerin hesaplanması ve işlem yükünün çokluğudur. Bu konuda iyileştirmeler yapılmış ve gerekli sonuçlar elde edilmiştir.
İnsansı robotların tüm vücut kinematik ve dinamik modellenmesi ve kontrolü
Yetmişli yılların başlarından itibaren insansı robotların mühendislik alanındaki araştırmaları artan bir ilgiyle devam etmektedir. Temel olarak insansı robotların insanların günlük yaşamlarına dahil olup yaşam kalitelerini arttırmaları beklenmektedir. İnsansı robotların talep edilmesindeki en önemli unsur mekanik yapılarından kaynaklı olan yüksek hareket kabiliyeti kapasiteleridir. İnsansı robotlar insanların günlük yaşam uygulamalarını gerçekleştirmede kullanılabilecek en uygun mekanizmalardan bir tanesi olarak kabul edilmektedir. İnsansı robotlar mekanik yapılarından dolayı oldukça yüksek hareket kabiliyetine sahip olsalarda mevcut insansı robotlar bu kabiliyetin çok az bir kısmını kullanabilmektedirler. İnsan hareketlerinin iyi bir şekilde anlaşılamamış olması ve basitleştirilmiş model ve kontrolörlerin kullanılması insansı robotların hareket yeteneklerini kısıtlayan başlıca etmenlerdir. Bu tezde insansı robotların hareket yeteneklerinin geliştirilmesi hedeflenmişitir. Bunun için insansı robotların tüm vücut dinamik modeli elde edilmiş ve insanların günlük yaşamlarında yaptıkları davranışları gerçekleştirebilmelerini sağlayacak gelişmiş kontrolörler tasarlanmıştır. Bu tez 6 bölümden oluşmaktadır. Her bir bölümün içeriği aşağıda açıklanmaktadır. İlk bölümde tez ile ilgili temel kavramlar açıklanmış, tezin amacı ve motivasyon kaynakları belirtilmiş, literatür özeti verilmiş, problemin tanımı yapılarak önerilen çözümler açıklanmıştır. İkinci bölümde insansı robotların kontrolünde kullanılan kontrolörler açıklanmıştır. Bu tezde bozucu gözetleyici tabanlı kontrolörler dayanıklı kontrolün ve sensörsüz kuvvet kontrolünün elde edilmeleri için kullanılmıştır. Üçüncü bölümde insansı robotların tüm vücut dinamik modeli elde edilmiştir. Tüm vücut dinamik model elde edilirken kayan nokta dinamiği kullanılmıştır. Geleneksel dinamik modellere kıyasla kayan nokta dinamiği tabanlı yaklaşımın temel avantajı insansı robotlar için sürekli yapıya sahip bir dinamik modelin elde edilebilmesine olanak sağlamasıdır. Bu bölümde dinamik model nümerik ve analitik tabanlı iki farklı yöntem kullanılarak elde edilmiştir. Elde edlen dinamik model ve MATLAB'ın sanal gerçeklik araç kutusu (Virtual Reality Toolbox) kullanılılarak yeni bir simülatör tasarlanmıştır. Dördüncü bölümde insansı robotların alt vücut kontrolü üzerinde durulmuştur. Alt vücut kontrol uygulamalarında iki bacaklı yürüyen bir mekanizma kullanılmıştır. İki bacaklı robot statik ve dinamik yürüme algoritmaları kullanılarak kontrol edilmiş ve tasarlanan simülatör kullanılarak benzetim sonuçları sunulmuştur. Ayrıca iki bacaklı robotun engebeli bir yüzeyde dinamik yürüme kontrolü gerçekleştirilmiştir. Beşinci bölümde insansı robotların tüm vücut kontrolü üzerinde durulmuştur. Üst vücut kontrolü serbest ve kısıtlı hareket kontrolleri olmak üzere iki temel bölümde incelenmiştir. Serbest hareket kontrolünde robot kolları çevre ile etkileşime girmezken kısıtlı hareket kontrolünde robot kolları bir nesne ile temas halindedir. Serbest hareket kontrolünde robot kolları için bağımsız yörüngeler tasarlanmıştır. Robot kollarının yörüngeleri kullanılarak dinamik yürümenin kararlılığı iyileştirilmiştir. Kısıtlı hareket kontrolünde robotun bilinmeyen bir nesne ile etkileşime girmesi incelenmiştir. Güvenli kontak kontrolü ve bilinmeyen bir nesnenin ittirilmesi ile ilgili simülasyon çalışmaları gerçekleştirilmiştir. İnsansı robotların hareket kabiliyetlerini insanların hareket yeteneklerini kullanarak arttırmak için çift taraflı kontrol yapısı önerilmiştir. Bir çok farklı uygulamada kullanılabilecek iki farklı çift taraflı kontrol yapısı sunulmuştur. Altıncı bölümde sonuçlar ve öneriler verilmektedir.
UWB haberleşme ile kapalı alanda konum tespiti
Bu yüksek lisans tezi kapsamında Ultra Geniş Band (UWB) haberleşme yöntemi ile kapalı alanda konum tespiti üzerinde durulmuştur. Tez kapsamında öncelikli olarak kapalı alanda konum tespitini gerçekleştirme amacıyla kullanılan iki yönlü mesafe ölçümü (TWR) yöntemi incelenmiş, bu yöntem ile mesafe ölçüm işlemlerinin ne şekilde gerçekleştirildiğinden bahsedilmiştir. Elde edilen, cihazlar arasındaki mesafe bilgilerinden faydalanarak gezici cihazların konumları tespit edilip, bilgisayar ortamında simülasyonu gerçekleştirilmiştir.
EMG işaretlerinin özniteliklerinin çıkarılması, kNN ve YSA yöntemleri ile sınıflandırılması
Kas hücreleri, kasılıp gevşeyerek elektriksel işaretler meydana getirir. Bu işaretlere miyoelektrik işaretler adı verilir. Bu işaretlerin elektrotlar yardımıyla elde edilip analiz edilmesine elektromiyografi (EMG) adı verilmektedir. Kasın hareketi farklılaştıkça elde edilen işaretler de farklılaşacak, öznitelik matrislerinde oluşan değerler de bu sayede değişiklikler göstereceklerdir. Bu sayede yapılan hareketlerin ayırt edilmesi de mümkün hale gelecektir. Tez kapsamında hareket sinyalleri olarak hazır veri setleri kullanılmıştır. Sınıflandırılması amaçlanan veri setinde incelenen hareketler, El kapama (E-K), Baş parmağı (B), İşaret parmağı (İ), Orta parmak (O), Yüzük parmağı (Y), Baş-İşaret (B-İ), Baş-Orta (B-O), Baş-Yüzük (B-Y) parmaklarını kapama hareketleri olmak üzere 8 tanedir. Veri setindeki bu hareketler için 4 farklı kişinin ön kolundan, 2 elektrot kullanılarak, her bir hareket türü için 5 saniye süresince 4000 Hz frekansıyla örneklenmiş 6 sinyal alınmıştır. Daha sonra bu sinyaller 20 ile 450 Hz aralığında band geçiren filtre ile filtrelenmiştir. Alınan sinyaller üzerine, öncelikle pencereleme işlemi uygulanmıştır. Sonrasında her bir pencere için özellik değerleri oluşturulmuştur. Pencere boyutları olarak 50 ms, 100 ms, 150 ms, 200 ms, 250 ms'lik zaman uzunlukları kullanılmıştır. Ardından her bir pencere için sıfır geçiş noktası sayısı (SG), dalga formu uzunluğu (DU), eğim işareti değişikliği (EİD), ortalama mutlak değer (OMD), willison genliği (WG), çarpıklık (Ç), varyans (VAR), karekök ortalama değeri (RMS) ve Hjorth zaman bölgesi parametreleri, değişkenlik (MOB) ve karmaşıklık (COMP) öznitelik çıkarım yöntemleri uygulanmış, böylece her bir pencere için öznitelik vektörleri oluşturulmuştur. Ardından bu öznitelik vektörlerine, kendi öznitelik grupları içerisinde min max normalizasyon işlemi uygulanmış ve tüm değerlerin 0 ile 1 arasında olması sağlanmıştır. Son olarak elde edilen öznitelik vektörleri k en yakın komşular (kNN) algoritması ve yapay sinir ağları örüntü tanıma yöntemi uygulanarak sınıflandırılması sağlanmıştır. kNN algoritması için verilerin 3'te 2'si eğitim, 3'te 1'i ise test verisi olarak kullanılmışlardır. Kullanılacak olan en yakın komşu sayısı tespit edilmiş ardından da çoğunluk oylaması yöntemi uygulanmıştır. Yapay sinir ağları örüntü tanıma yöntemi için ise öznitelik vektörlerinin %70'i eğitim, %15'i doğrulama ve %15'i de test için kullanılmıştır. Tüm bu işlemler tamamlandıktan sonra sınıflandırma doğrulukları sonuçlarına geçilmiştir. Pencereleme zamanının artmasının sınıflandırma yüzdesinin de artmasına neden olduğu gösterilmiştir. Fakat pencere uzunluklarının işlem zamanına etkisi de dikkate alındığında ve gerçek zaman performansı açısından en uygun olabilecek pencerelerin 100 ve 150 ms'lik pencereler olabileceği anlatılmıştır. kNN algoritması için toplam doğruluk yüzdesi 100 ms'lik pencere için yaklaşık %84 iken pencere uzunluğu 150 ms'ye çıkarıldığında yaklaşık %89'a yükselmiştir. Aynı zamanda yapay sinir ağları algoritması için ise, 100 ms'lik pencereleme zamanı dikkate alındığında sınıflandırma doğruluğu %90 civarında olurken 150 ms'lik pencere için ise %93 civarına yükselmiştir.