Otonom mobil robotlarda görsel SLAM uygulamaları
Yükleniyor...
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Mobil robotlar geçtiğimiz on yıllarda ciddi ilerlemeler kaydetmiş olup, üretimden lojistiğe, havacılıktan askeri alanlara, hizmet sektöründen evlere kadar geniş bir yelpazede kullanım alanı yaygınlaşmıştır. Mobil robotların bilmediği bir ortamda verilen görevleri yapabilmesi için pozisyon tahmini ve aynı anda harita çıkarabilmesi, SLAM teknikleri kullanılarak yapılmaktadır. Bu kapsamda kullanılan geleneksel SLAM yöntemlerinin yerini kameraların kullanılması fikri ile görsel SLAM tekniği kullanılmaya başlanmıştır. Görsel SLAM tekniğinde düşük maliyetli sensörler, yoğun çevresel bilgilerin olması ayrı bir avantaj sağlamaktadır. Son yıllarda araştırmacılar bu alana yoğun ilgi duymaktadır ve bu alanda çeşitli algoritmalar ve teknikler üzerinde geliştirmeler yapılmıştır. Geliştirilen yöntemler ile ciddi başarılar elde edilmiş olmasına rağmen hala çözülmesi gereken sorunlar bulunmaktadır. Bu sorunlar arasında Görsel SLAM algoritmalarının performansını etkileyen birçok dış kaynaklı parametreler bulunmaktadır. Ortamın ışıklandırılması, çevredeki nesnelerin dokusu ve yapısal özellikler, sistemin hızı ve ani sert manevralar, kalabalık ve dinamik ortamlar gibi birçok dış kaynaklı parametreler bulunmaktadır. Bu tez çalışmasında V-SLAM performansının arttırılması adına, ortam ışıklandırılması üzerinde durulmuş ve düşük ışıklandırmalı ortamlar için görüntü iyileştirme algoritmaları ile performans arttırılması çalışması yapılmıştır. Literatürde iyi sonuçlar elde edilmiş ORB-SLAM3 algoritması ile tasarlanan bir platform üzerinden toplanan görüntüler histogram eşitleme ve gama düzeltmesi gibi görüntü iyileştirme algoritmalarına verilerek SLAM performansları ve verimlilikleri karşılaştırılmıştır. Bu kapsamda kullanılan algoritma ve kamera sensörlerin performansları, mutlak pozisyon hatası ve göreceli pozisyon hatası gibi hata metrikleri ile değerlendirilmiştir. Sistem sonuçları görüntü üzerinde yapılan iyileştirmelerin daha kararlı ve iyi sonuçlar verdiği gözlemlenmiştir. İlerleyen dönemde V-SLAM için derin öğrenme algoritmalarının entegre edilmesi ve semantik tabanlı yaklaşımlara yönelik çalışmalar yapılması planlanmaktadır.
Mobile robots have made significant progress in the past decades, and their use has become widespread in a wide range of areas, from production to logistics, from aviation to military areas, from the service sector to homes. In order for mobile robots to perform tasks in an unfamiliar environment, position estimation and mapping at the same time are done using SLAM techniques. In this context, visual SLAM technique has started to be used with the idea of using cameras instead of traditional SLAM methods. In the visual SLAM technique, low-cost sensors and intense environmental information provide a distinct advantage. In recent years, researchers have shown great interest in this field, and developments have been made on various algorithms and techniques in this field. Although serious successes have been achieved with the developed methods, there are still problems that need to be solved. Among these problems, there are many external parameters that affect the performance of Visual SLAM algorithms. There are many external parameters such as the lighting of the environment, the texture and structural features of the surrounding objects, the speed of the system and sudden harsh maneuvers, crowded and dynamic environments. In this thesis study, in order to increase V-SLAM performance, ambient lighting was emphasized and a study was carried out to increase performance with image enhancement algorithms for low-light environments. Images collected on a platform designed with the ORB-SLAM3 algorithm, which has good results in the literature, were given to image improvement algorithms such as histogram equalization and gamma correction, and SLAM performances and efficiencies were compared. In this context, the performances of the algorithms and camera sensors used were evaluated with error metrics such as absolute position error and relative position error. It has been observed that the improvements made on the system results give more stable and better results. In the future, it is planned to integrate deep learning algorithms for V-SLAM and work on semantic-based approaches.
Mobile robots have made significant progress in the past decades, and their use has become widespread in a wide range of areas, from production to logistics, from aviation to military areas, from the service sector to homes. In order for mobile robots to perform tasks in an unfamiliar environment, position estimation and mapping at the same time are done using SLAM techniques. In this context, visual SLAM technique has started to be used with the idea of using cameras instead of traditional SLAM methods. In the visual SLAM technique, low-cost sensors and intense environmental information provide a distinct advantage. In recent years, researchers have shown great interest in this field, and developments have been made on various algorithms and techniques in this field. Although serious successes have been achieved with the developed methods, there are still problems that need to be solved. Among these problems, there are many external parameters that affect the performance of Visual SLAM algorithms. There are many external parameters such as the lighting of the environment, the texture and structural features of the surrounding objects, the speed of the system and sudden harsh maneuvers, crowded and dynamic environments. In this thesis study, in order to increase V-SLAM performance, ambient lighting was emphasized and a study was carried out to increase performance with image enhancement algorithms for low-light environments. Images collected on a platform designed with the ORB-SLAM3 algorithm, which has good results in the literature, were given to image improvement algorithms such as histogram equalization and gamma correction, and SLAM performances and efficiencies were compared. In this context, the performances of the algorithms and camera sensors used were evaluated with error metrics such as absolute position error and relative position error. It has been observed that the improvements made on the system results give more stable and better results. In the future, it is planned to integrate deep learning algorithms for V-SLAM and work on semantic-based approaches.
Açıklama
Yüksek Lisans Tezi
Anahtar Kelimeler
Görsel Slam, Lokalizasyon, Mobil Robotlar, Navigasyon, Haritalama, Visual Slam, Localization, Mobile Robots, Navigation, Mapping
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Koç, M. F. (2024). Otonom mobil robotlarda görsel SLAM uygulamaları. (Yayımlanmamış yüksek lisans tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Mekatronik Mühendisliği Anabilim Dalı, Konya.
