TRAP konfigürasyonlu lazer sensör ile EZKH tekniklerinin iyileştirilmesi

Bu tezde ele alınan konu iki aşamada değerlendirilebilir. Yapılan bu çalışmanın ilk aşamasında Robot İşletim Sistemi (Robot Operating System – ROS) uyumlu Eş Zamanlı Konumlama ve Haritalama (Simultaneous Localization and Mapping – SLAM) 2B lazer sensör tabanlı yöntemlerinden bazıları ele alınıp tanıtılarak birbirleriyle karşılaştırılmışlardır. Bu karşılaştırma esnasında birbirinden farklı olan bu yöntemler birbirlerine göre avantaj ve dezavantajlara göre kıyaslanmıştır. Yapılan bu kıyaslamalar öncelikle benzetim ortamında ardından da hazırlanan deney düzeneği üzerinde gerçek zamanlı olarak gerçekleştirilmiştir. Çalışmaların iki aşamalı olarak öncelikle benzetim ortamında gerçekleştirilmiş olması yapılan çalışmaları her ne kadar yavaşlatmış gibi gözükse de aslında sanılanın aksine çalışmaların daha hızlı bir şekilde ilerlemesine olanak sağlamıştır. Aslında benzetim ortamında çalışılmasının iki büyük nedeni vardır. Bunlardan ilki pil tüketimi ve şarj sorunu yani kısaca enerji sorunu. Sistem üzerinde yapılan gerçek zamanlı çalışmalarda yaklaşık olarak bir saat içerisinde boşalan pil beş – altı saat içerisinde tekrar dolmaktaydı. Bu durum çalışmaların hızlı bir şekilde ilerlemesine engel teşkil etmekteydi. Yaklaşık olarak bir saatlik bir çalışmanın sonunda en az altı saat beklemek gerekmekteydi. Bu kusuru ortadan kaldırmak adına, süre olarak herhangi bir kısıtlamaya neden olmayan benzetim ortamında çalışılması çözümü üretildi. Benzetim ortamının tercih edilmesinin bir diğer nedeni de kodlamada yapılan herhangi bir yanlışlıkta ekipmanların zarar görmesini ortadan kaldırmaktır. Simülasyonda duvara ve engellere çarpan robotun koştuğu algoritma değiştirilerek gerçek sistemin aynı hataları yapıp hasar alması bu sayede önlenmiş oldu. İkinci aşamada ise donanımsal olarak bir yenilik önerildi ve bu yeniliğin etkileri üzerine tartışıldı. Önerilen yenilik 2B lazer sensörleriyle alakalı bir yapıydı. Geleneksel yapıda tek bir tane 2B lazer sensör aracın ön tarafında ortalanmış bir şekilde konumlanmakta. Mevcut olan bu yapıda araç etrafındaki her noktayı kusursuz bir şekilde görememekte yani aracın etrafında kör noktalar oluşmakta. Oysa ki önerilen yeni 2B lazer sensör yerleşim konfigürasyonunda aracın 360° olarak etrafında olan biten her şeyi kör nokta olmadan algılaması mümkün kılınmıştır. Transversal Positioned (çapraz konumlanmış) olarak adlandırılan yapı TRAP olarak gösterilmektedir. TRAP yapısında iki adet 2B lazer sensör kullanılmakta ve sensörler aracın köşelerine sırtları birbirlerine dönük olacak şekilde köşegen üzerine 45°'lik bir açıyla yerleştirilmiştir. Bu sayede aracın etrafındaki bütün her şeyi kör nokta olmadan görmesi sağlanmıştır. Aynı şekilde geleneksel yapı ile TRAP yapısı belirlenen kriterler doğrultusunda kıyaslanmış, birbirlerine göre avantaj ve dezavantajları incelenmiştir. Hem benzetim ortamında yapılan deneysel çalışmalarda hem de gerçek zamanlı ortamda yapılan deneysel çalışmalarda ROS kullanılmıştır. Bu tercihin yapılmasının en büyük nedenlerinden birisi yapının açık kaynak kodlu olması ve kullanımının tamamen ücretsiz olmasıdır. Yapılan bu tercihteki bir diğer etmen robotik alanında akademik, endüstriyel ve kişisel olarak çalışma yapan araştırıcıların bu platformu kullanması popülerliğini arttırmakta ve tercih edilmesine neden olmaktadır. Ayrıca ROS platformunun tercih edilmesinin bir diğer nedeni de kullanımda sağladığı kolaylıklar ve benzetim çalışmalarının gerçek zamanlı ortama aktarılmasında sağlamış olduğu rahatlıklardır. Normal şartlarda yeni bir donanımın sisteme tanıtılıp kullanılmaya başlanması oldukça uğraştırıcı olabilir. Tanıtma işlemi sonrasında verilerin alınıp işlenmesi de bir o kadar zorlayıcı olabilir. Oysaki ROS'un sağladığı avantajlar göz önüne alındığında bu platformda yeni bir donanımın eklenmesi ve bu donanımdan veri alınıp kullanılmaya başlanması çok daha kolaydır. Her bir donanım için tekrardan ayrı ayrı kod parçacıklarını yazmak gerekmemektedir. Mevcut kod parçacıkları platformun açık kaynak kodlu olması sebebiyle bütün kullanıcılarla paylaşılmaktadır. Kullanıcı sadece kod parçacığında isteği doğrultusunda parametreleri değiştirerek hızlı bir şekilde donanımı sisteme tanıtıp veri almaya başlamaktadır. Bu da ROS platformunda donanım eklemeyle harcanacak zamanı kod ve algoritma geliştirmeye aktarmaya olanak sağlamaktadır. Yazılımsal olarak benzetim ortamı için geliştirilen kodların küçük değişikliklerle doğrudan gerçek zamanlı sisteme uygulanabilir olması da ROS'un tercih edilmesi için en büyük nedenlerden biridir. Tezde odaklanılan ana konu robotik literatüründe de sıklıkla çözümler aranılan SLAM problemidir. Bu problemin doğru bir şekilde kavranabilmesi için öncelikle robotikte belirsizlik konuları hakkında açıklamalar yapıldı. Bu açıklamalar, bu alanda kullanılan filtre yapılarını, mobil robot hareketlerinin modellenmesini ve sensör modellenmesini kapsamaktadır. Robotik alanındaki belirsizlikler ifade edildikten sonra konumlama ve haritalama konuları üzerine açıklamalar yapıldı. Robotik çalışmalarında geniş bir yer tutan konumlama ve haritalama problemlerinin ne olduğu ve hangi yaklaşımlarla çözümler arandığı üzerine açıklamalar yapıldı. SLAM probleminin anlaşılabilmesi için bahsi geçen konumlama ve haritalama problemlerinin anlaşılmış olması gerekmektedir zira SLAM bu iki problemin eş zamanlı olarak birbirlerini takip etmesiyle gerçekleşmektedir. Devamında SLAM probleminin tanımı yapılarak ne olduğu hakkında bilgiler verildi. ROS uyumlu 2B lazer sensör tabanlı SLAM yöntemleri hakkında bilgi verilip inceleme yapıldı. ROS uyumlu SLAM yöntemleriyle deneyse çalışmalar yapılırken çalışmalarla uyumlu olacak biçimde üç adet ortam senaryosu oluşturulmuştur. Bu senaryolar ortamın karmaşıklığına, engel yapıları ve sayılarına bağlı olarak farklılık göstermektedir. Ortamın karmaşıklığına bağlı olarak bu senaryoların sırasıyla kolay, orta ve zor olarak adlandırılması mümkündür. ROS uyumlu SLAM yöntemlerinin kıyaslamasının olabildiğince adilane ve ayrıntılı yapılabilmesi adına bu farklı zorluklardaki senaryolar önerilmiştir. Bu sayede farklı ortamlarda nasıl bir davranışın sergilendiği görülmüş oldu. Bu senaryolardan ilki içerisinde hiçbir engel bulunmayan sadece duvarlardan oluşan boş bir koridor olarak tasarlandı. Bu senaryo kolay senaryo olarak da adlandırılabilir. İkinci senaryoda ortama bazı durağan engeller eklenmiştir ve ortam biraz daha karmaşıklaştırılmaya çalışılmıştır. Bu senaryo orta senaryo olarak adlandırılabilir. Son olarak bir önceki ortama göre daha fazla durağan engeller eklenmiştir ve bununla da yetinilmeyip ortama hareketli engeller eklenmiştir. Elde edilen son senaryo da zor senaryo olarak adlandırılabilir. Adaletli bir değerlendirmenin gerçekleştirilebilmesi adına her farklı SLAM yapısı için senaryolar sabit tutulmuştur yani herhangi bir değişiklik uygulamamıştır ve durum hareketli engellere de uyarlanmıştır. Ayrıca her durumda aracın aynı başlangıç noktasından başlayıp aynı bitiş noktasını kendisine hedef olarak belirlemesine dikkat edilmiştir. Bu kriterler doğrultusunda deneysel çalışmalar yapılmıştır. Benzer şekildeki bir kıyaslama da geleneksel yapıdaki 2B lazer sensör yapısıyla TRAP yapısında yerleştirilen 2B lazer sensörler hakkında yapıldı. Bu kıyaslamada da bir önceki senaryolarla birebir aynı senaryolar kullanılmıştır ve başlangıç noktalarıyla bitiş noktaları da yine birebir aynı kabul edilmiştir. Ortama hareketli engellerin de dahil edildiği üçüncü senaryoda TRAP ve geleneksel yapı arasındaki fark gözle görülür bir şekilde hissedilmiştir. Geleneksel 2B lazer sensör yapısında ortamda hareketli bir engel algılandığında koşturulan algoritma bunun hareketli bir engel olup olmadığını doğrudan anlayamamakta. Sensörün algılamış olduğu yapı her ne kadar bir engel olabilse de algılanan bu yapı haritada meydana gelen bir kaymanın da sonucu olabilir. Araç algılamış olduğu yapının engel mi yoksa haritada meydana gelen bir kayma mı olduğunu anlamak için ek verilere ihtiyaç duymaktadır. Bu ek verilerin toplanabilmesi için aracın kendi ekseni etrafında birkaç kere dönmesi gerekmektedir ve bu dönmelerin sonucunda ihtiyaç duyulan gerekli veri alınmış olacaktır. Araç harekete başladıktan sonra tekrar hareketli bir engelle karşılaşırsa tekrar aynı şekilde kendi ekseni etrafında dönüp ek veriler alması gerekmektedir. Bu gereklilik de görevin tamamlanmasını uzatmaktadır. TRAP yapısı uygulanmış olan donanımla aynı deney tekrarlandığında aracın kendi ekseni etrafında dönme gereksinimi ortadan kaldırılmıştır ya da olabildiğince düşürülmüştür. Bu durum görevin tamamlanma süresini büyük oranda azaltmıştır. Ayrıca algoritmanın daha hızlı tamamlanması harcanan pil miktarını da azaltarak daha uzun bir kullanım süresi sağlamaktadır. TRAP yapısının çıkış noktası her ne kadar aracın 360° etrafının kör nokta olmadan taranması olsa da aslında büyük rahatsızlık veren kendi ekseni etrafında dönüp veri toplama ihtiyacını da ortadan kaldırmıştır ya da en aza indirmiştir.