Robot Localization With Adaptive Monte Carlo Localization and Real-Time Localization System

Abstract

Otonom sistemler, topluma ve endüstriye kanıtlanmış faydaları nedeniyle popüler olan bir konudur. Bu nedenle, güvenlik ve üretkenlik için güvenilir sistemler tasarlamak ve devreye almak çok önemlidir. Otonom mobil robotların en önemli parçalarından biri kendi kendilerini konumlandırma yetenekleridir ve kullanım durumuna bağlı olarak bu problem karmaşık hale gelmektedir. Bu yüzden bu tez çalışması dinamik ortamlardaki konumlandırma problemlerine bir çözüm sunmaktadır. Problemler robotun çalıştığı alanda büyük değişiklikler olduğunda gözlemlenebilmektedir Bu değişiklikler, LiDAR'ın önceden oluşturulmuş harita ile eşleşen ölçümler almasını engellemeye başladığında sorunlu hale gelir. Önerilen yöntem, daha sağlam bir çözüme sahip olmak için farklı küresel konumlandırma kaynaklarının harmanlamasıdır. Bu kaynaklar adaptif Monte Carla konumlandırması ve Ultra geniş bant temelli gerçek zamanlı konumlandırma sistemidir. Her iki kaynak genişletilmiş Kalman süzgeci ile harmanlanarak hataya dayanıklı bir system oluşturmaktadır. Sistem çevreye algılayıcıların yerleştirilmesini gerektirmesine rağmen, sonuçlar önerilen yöntemin yalnızca adaptif Monte Carlo konumlandırması kullanıldığında ortaya çıkan sorunları ortadan kaldırabildiğini göstermiştir.

Autonomous systems are a trending topic due to their proven benefits to society and industry. Therefore, it is crucial to design and deploy reliable systems for safety and productivity. One of the most important parts of autonomous mobile robots is their ability to localize themselves and this problem becomes complicated depending on the use case. So, this thesis proposes a solution to localization problems for dynamic environments. Problems can be observed when there are dramatic changes in the area where the robot navigates. These changes become problematic when it starts to prevent LiDAR from taking matching measurements with the previously generated map. The proposed method is the fusion of different global localization sources together to have a more robust solution. These global localization sources are adaptive Monte Carlo localization and ultra-wideband-based real-time localization system. Both sources fused with an extended Kalman filter to create a more fault-tolerant system. Although the system requires sensors to be placed in the perimeter, results showed that the proposed method is able to eliminate occurring problems when the only active global localization source is Adaptive Monte Carlo Localization.