Using shape information from natural tree landmarks for improving slam performance

Robotların özerk hareketi için konumlanma ve haritalama çok önemli birimlerdir. Lakin, bu tip robotlar genelde yerleşimden uzak, dış alanlarda çevre hakkında bir önsel bilgi olmadan çalışmak zorundadır. Buna bağlı olarak, saha robotları algılayıcıları doğrultusunda kendi haritalarını çıkarmak zorundadırlar. Bu doğrultuda, görsel algılayıcılar ile haritalamanın çeşitli avantajları vardır. Yüksek bant genişliğine sahip görsel algılayıcılar ile, insanların da anlayabileceği haritalar anlamlı ve birbirinden ayırt edilebilir nesneler tanımlanarak çıkartılabilir.Bu tezde, Eşzamanlı Konumlanma ve Haritalama (EKH) için uygun işaretler grubu olarak, dış alanlarda ağaçların işaret olarak kullanılması üzerine yoğunlaştık. Ağaçlar göreceli olarak kolay, neredeyse dikey bir yapıya sahiptir ve bu, onların kolay ve istikrarlı olarak tesbit edilebilmelerini sağlar. Daha önemlisi, ağacın kalınlığı farklı görüş açılarından hassas ve istikrarlı olarak belirlenebilmektedir. Bizim ana katkımız, ağaç kalınlığı bilgisini algılayıcılar ile algılayarak, haritadaki her ağaca yarıçap bilgisini de dahil edebilmektir. Bu doğrultuda, görüntüdeki ağaç kalınlığı ile onun yarıçapını birbirine bağlayan yeni bir algılayıcı modeli geliştirdik. Bu modelin matematiksel formüllerini çıkarıp, EKH için gerekli olan türevlerini aldik. Sonra da, çalışan bir EKH üzerine algılayıcı modelini ve türevleri ekledik. Yeni algılayıcı modelinin yalnızca bir kamera kullanarak, konumlanma ve haritalama hassasiyetini artırdığını simülasyonlar ile gösterdik.