Otonom Mobil Robotlar Için Olay Tabanlı Görsel Algıya Dayalı Navigasyon Algoritmalarının Geliştirilmesi Ve Deneysel Uygulamaları

ArticleAçık Erişim

Özet

Robotik bir platforma otonom hareket yeteneği kazandırabilmek için eş zamanlı konumlandırma ve haritalandırma probleminin çözülmesi gerekmektedir. Problemin çözümü algılayıcının seçimine göre değişmektedir. Bu projede olay tabanlı kamera algısına dayanan bir eş zamanlı konumlandırma ve haritalandırma çözümü önerilmiştir. İlgili çözüm sadece olay tabanlı kamera verisine dayanmakta ve böylelikle kameranın getireceği avantajlardan yararlanmayı amaçlamaktadır. Modern eş zamanlı konumlandırma ve haritalandırma çözümleri temelde üç bileşenden oluşmaktadır. Bu bileşenler konumlandırma, haritalandırma ve döngü kapama olarak isimlendirilmektedir. Konumlandırma bileşeni olay verisini kullanarak kameranın konum ve yönelim değişimlerini tahmin etmektedir. Böylece robot platformu üç boyutlu bir uzayda konumlandırılmaktadır. Haritalandırma bileşeni olay verisinden derinlik haritası tahmin ederek çevrenin bir modelini oluşturmaktadır. Derinlik bilgisi olayların aynı üç boyutlu uzaya düşürülerek metrik bir harita oluşturulması amacıyla kullanılmaktadır. Döngü kapama bileşeninde ise iki bileşende oluşan hatanın daha önce görülen konumlarda sıfırlanması ve yöntemin genel tutarlılığının sağlanması amaçlanmaktadır. Projede bu üç bileşen geliştirilerek eksiksiz bir eş zamanlı konumlandırma ve haritalandırma yöntemi önerilmiştir. Olay tabanlı kameralar canlı gözünden esinlenen silikon retina çalışmaları sonrası geliştirilmiştir. Bu nedenle olay tabanlı kameralar canlı gözünün ürettiği sinir sinyallerine benzer bir veri oluşturmaktadır. Bu veri ile yapılacak işlemler için bir hesaplama altyapısı seçilmesi gerekmektedir. Projede geometrik ve yinelemeli hesaplamalar yerine sinir ağlarının olay verisi ile uyumlu çalışarak hesaplama maliyetlerini düşüreceği savunulmaktadır. Bu nedenle geliştirilen yöntemde hesaplama amacıyla sinir ağları ve konvolüsyon operatörleri kullanılmıştır. Tasarlanan ağlar klasik poz ve derinlik kestirim teknikleri olan geometrik yöntemler kullanılarak ve doğrudan gözetimli olarak eğitilmiştir. Projede olay tabanlı konumlandırma ve haritalandırma bileşenleri sinir ağı temelli olarak geliştirilmiştir. Döngü kapama ise olasılıksal temellere dayanan görsel kelimeler olarak bilinen bir bilgisayarlı görü yöntemi ile çözülmüştür. Yapılan çalışmalar sonunda sinir ağlarının olay verisi ile kolaylıkla öğrenebildiği ve olay verisinin bu problemlerin çözümünde yeterli ve başarılı olduğu gösterilmiştir. Farklı deneyler ile geliştirilen yöntemler, parametreler ve eğitim süreçleri doğrulanmıştır.

Anahtar Kelimeler

RDL Kalıcı Bağlantı (PID)
https://rdlopen.rawdatalibrary.net/r/ebyu/18239Resmi atıflarda kullanılan kalıcı adres
Tam Kayıt
AlanDeğerDil
dc.contributor.authorGelen, Aykut Görkem
dc.contributor.authorATASOY, AYTEN
dc.date.accessioned2026-10-18T20:56:27.469742252Z
dc.date.available2026-10-18T20:56:27.469742252Z
dc.date.issued2022
dc.description.abstractRobotik bir platforma otonom hareket yeteneği kazandırabilmek için eş zamanlı konumlandırma ve haritalandırma probleminin çözülmesi gerekmektedir. Problemin çözümü algılayıcının seçimine göre değişmektedir. Bu projede olay tabanlı kamera algısına dayanan bir eş zamanlı konumlandırma ve haritalandırma çözümü önerilmiştir. İlgili çözüm sadece olay tabanlı kamera verisine dayanmakta ve böylelikle kameranın getireceği avantajlardan yararlanmayı amaçlamaktadır. Modern eş zamanlı konumlandırma ve haritalandırma çözümleri temelde üç bileşenden oluşmaktadır. Bu bileşenler konumlandırma, haritalandırma ve döngü kapama olarak isimlendirilmektedir. Konumlandırma bileşeni olay verisini kullanarak kameranın konum ve yönelim değişimlerini tahmin etmektedir. Böylece robot platformu üç boyutlu bir uzayda konumlandırılmaktadır. Haritalandırma bileşeni olay verisinden derinlik haritası tahmin ederek çevrenin bir modelini oluşturmaktadır. Derinlik bilgisi olayların aynı üç boyutlu uzaya düşürülerek metrik bir harita oluşturulması amacıyla kullanılmaktadır. Döngü kapama bileşeninde ise iki bileşende oluşan hatanın daha önce görülen konumlarda sıfırlanması ve yöntemin genel tutarlılığının sağlanması amaçlanmaktadır. Projede bu üç bileşen geliştirilerek eksiksiz bir eş zamanlı konumlandırma ve haritalandırma yöntemi önerilmiştir. Olay tabanlı kameralar canlı gözünden esinlenen silikon retina çalışmaları sonrası geliştirilmiştir. Bu nedenle olay tabanlı kameralar canlı gözünün ürettiği sinir sinyallerine benzer bir veri oluşturmaktadır. Bu veri ile yapılacak işlemler için bir hesaplama altyapısı seçilmesi gerekmektedir. Projede geometrik ve yinelemeli hesaplamalar yerine sinir ağlarının olay verisi ile uyumlu çalışarak hesaplama maliyetlerini düşüreceği savunulmaktadır. Bu nedenle geliştirilen yöntemde hesaplama amacıyla sinir ağları ve konvolüsyon operatörleri kullanılmıştır. Tasarlanan ağlar klasik poz ve derinlik kestirim teknikleri olan geometrik yöntemler kullanılarak ve doğrudan gözetimli olarak eğitilmiştir. Projede olay tabanlı konumlandırma ve haritalandırma bileşenleri sinir ağı temelli olarak geliştirilmiştir. Döngü kapama ise olasılıksal temellere dayanan görsel kelimeler olarak bilinen bir bilgisayarlı görü yöntemi ile çözülmüştür. Yapılan çalışmalar sonunda sinir ağlarının olay verisi ile kolaylıkla öğrenebildiği ve olay verisinin bu problemlerin çözümünde yeterli ve başarılı olduğu gösterilmiştir. Farklı deneyler ile geliştirilen yöntemler, parametreler ve eğitim süreçleri doğrulanmıştır.
dc.identifier.endpage79
dc.identifier.startpage0
dc.identifier.urihttps://rdlopen.rawdatalibrary.net/r/ebyu/18239
dc.language.isotr
dc.relation.projectEEEAG - 120E428
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectBilgisayar Bilimleri
dc.subjectYapay Zeka
dc.titleOtonom Mobil Robotlar Için Olay Tabanlı Görsel Algıya Dayalı Navigasyon Algoritmalarının Geliştirilmesi Ve Deneysel Uygulamaları
dc.typeArticle
dspace.entity.typePublication
rdl.citation.trdizin0
rdl.departmentERZİNCAN BİNALİ YILDIRIM ÜNİVERSİTESİ
rdl.departmentKARADENİZ TEKNİK ÜNİVERSİTESİ
rdl.source.indexTRDIZIN