Mobile robot odometric localization using decentralized kalman filter : Dağıtık kalman filtresi kullanılarak mobil robot odometrik konumlandırması

Abstract

Robotik, robotların gerçekleştirilmesini ve tasarlanmasını sağlayan bilimdir. Bu disiplin, Elektronik, Mekanik, Bilgisayar gibi birçok bilimi bir araya getirmektedir. Bir robot, karar vermesine izin veren bir bilgisayar programına bağımlı olarak hareket edebilen sensörlerle donatılmış çeşitli elemanların bir araya getirilmesidir. Günümüzde robotlar yoğun ve kompleks çalışmalardaki performanslarından dolayı çeşitli alanlarda ilk tercihtir. Robotlardan, teknoloji, endüstri, eğitim sistemi, tarım, sağlık sistemi, otomobil vb, alanlarda yararlanılmaktadır. Kendilerine ve evrimleşmesi gereken çevreye bağlı olarak çeşitli türlerde robotlar vardır. Bu tezin amacı, herhangi bir ortamda geliştirilen bir mobil robotun incelenmesidir. Bu araştırma sırasında, MATLAB ile bilinmeyen bir ortamda çalışan bir mobil robotun yetenekleri simülasyon ile vurgulanmıştır. Odometri ve diferansiyel sürücü prensiplerine dayanarak, robot gürültülü bir ortamda geliştirilecektir. Bu parametreler, tezde ele alınması gereken önemli zorlukları vurgulamaktadır. Çünkü robotun uygun çalışabilmesi için, çevresi ile etkileşime girebilmesi gerekmektedir. Bunun için robot, yönlendirilmek üzere robotun yörüngesini ve yerini belirlemek için farklı tekerlek sensörleri ile donatılmıştır. Bu sensörler hassas ölçüm sağlamazlar, bu sorun bir kamera kullanımıyla kompanze edilmeye çalışılır. Kameraya gelince, bilgiyi gerçek zamanlı ve kompakt bir şekilde sağlama yeteneği vardır. Bu görsel odometri tekniğine göre kullanılacaktır. Hava koşulları, bazen kamera tarafından sağlanan ölçümleri olumsuz etkileyebilir. Bununla birlikte, tekerlek sensörleri ve kamera ile sağlanan verileri lazerler veya ultrasonik gibi üçüncü bir sensörle birleştirmek, sistemi optimize etmeyi ve robotun konumunu daha az hatayla tahmin etmeyi mümkün kılabilir. Odometri, hareketli bir robotun pozunu (pozisyonunu, yönünü) tahmin etmede kullanılan bir tekniktir. Yer haritası ve GPS verilerinin yokluğunda veya robot tarafından gizlendiğinde veya kötü bir şekilde alınmasıyla geliştirilen robotların tasarımında kullanılır. Bu tekniğin avantajı, robotun hemen her alanda, ortam hakkında önceden bilgi sahibi olmadan kestirim yeteneğine sahip olmasıdır. Parçacık Filtresi (PF), Kalman Filtresi (KF) ve Monte Carlo Yerelleştirme (MCL) gibi bir robotun pozunu tahmin etmek için çeşitli algoritmalar vardır. Ancak bu tezde farklı sensörler ile sağlanan verilerin birleştirilmesi için Dağıtık Kalman Filtresi kullanılmıştır.

Robotics is the science that allows the realization and design of robots. This discipline brings together several fields such as Electronics, Mechanics, Computer Science, Computer Vision and several other basic sciences such as Mathematics and Physics. A robot is an assembly of several elements into a block equipped with sensors able to move dependently through a computer program that allows it to make decisions. Today, robots are the first choice in several fields thanks to their performance and their tireless attitude to perform tedious work. Robots are found in the fields of technology, industry, education system, agriculture, medical system, automobile etc. There are several types of robots depending on the task assigned to them and their operating environment. The objective of this thesis is to study the aspects of a mobile robot capable of evolving in any environment. During this research, the capabilities of a mobile robot operating in an unknown environment with MATLAB were highlighted by simulation. Based on the principles of odometry, differential drive, the robot will evolve in a noisy, static and dynamic environment. These parameters highlight important challenges that must be addressed in this thesis. In fact of its suitable functioning, the robot must be able to interact with its environment. For this fact, the robot is equipped with different wheel sensors for estimating the trajectory and location of the robot in order to be oriented. These sensors do not provide precision measurement, they can be complemented in their tasks by a camera. As for the camera, it has the ability to provide information in real time and in a compact way. This should be used according to the technique of visual odometry. It is important to know that the weather conditions can sometimes negatively influence the measurements provided by the camera. However, coupling the data provided by the wheel sensors and the camera with a third sensor such as lasers or ultrasonic can make it possible to optimize the system and to be able to estimate with less error the position of the robot. Odometry is a technique for estimating the pose (position, orientation) of a moving robot. It is used when we design mobile robots evolving in the absence of GPS data or when it is hidden or poorly received by the robot. The advantage of this technique is that the robot can be able to evolve in almost any environment without having a prior knowledge of the field. There are several algorithms for estimating the robot pose's such as Particle Filter (PF), Kalman Filter (KF), and Monte Carlo Localization (MCL) etc. But, in this thesis only the Kalman Filter will be explore. The Decentralized Kalman Filter will be used for the fusion of the data provided by the different sensors.