Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Kahramanmaraş Sütçü İmam Üniversitesi, Fen Bilimleri Enstitüsü, Enformatik, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: HAMZA AYDEMİR
Danışman: Mehmet Tekerek
Özet:
Elfes, özellikle araştırma ve endüstri bağlamında robotların uygulama ve yayılma alanını genişletmek için bilinmeyen ortamlarda çalışabilecek otonom mobil robot kavramının önemini vurgulamıştır. Bu doğrultuda bir robotun, bilinmeyen bir ortamda herhangi bir noktaya yerleştirildiğinde yalnızca algılayıcılarını kullanarak gezinebilmesinin sağlanması zamanla temel ister haline gelmiştir. Otonom gezinme olarak ifade edilen bu ister, robotun yol planlaması yapması ihtiyacını doğurmuştur. Yol planlama, robotun bir başlangıç noktasından bir hedefe verimli bir şekilde hareket etmesi için yörünge planlamasıdır. Yol planlaması, otonom mobil robotun görev tanımına göre çalışma alanının tamamını gezinmeyi gerektirebilir. Bu problem alanyazında Tam Kapsama Planlama (TKP) olarak ifade edilir. TKP engellerden kaçınırken bir alanın tüm noktalarından geçen bir yol planlama görevidir. Bu çalışmada ele alınan problem, alanyazında en yaygın kullanılan bir TKP yöntemi olan Grid Tabanlı Tam Kapsama Planlama (GTTKP)'da kısmen dolu olan hücrenin tamamen dolu olarak işlenmesidir. Bu bağlamda, GTTKP yönteminde karşılaşılan kapsama probleminin ortamın özellikleri dikkate alınarak oluşturulacak kümeleme yönteminin kullanılabilmesi araştırma sorusu olarak belirlenmiştir. Bu doğrultuda, Arthur ve Vassilvitskii tarafından 2007 yılında alanyazına kazandırılan ve yaygın olarak kullanılan bir kümeleme algoritması ve bölümleme tekniği olan K-means++ algoritmasının kullanılabilmesi önerilmiştir. Önerilen K-means++ Tam Kapsama Planlama (Km++TKP) yöntemi simülasyon ortamında ve gerçek dünyada robot üzerinde yapılan deneyler ile doğrulanmıştır. Aynı zamanda Km++TKP yönteminin başarımı ile GTTKP yönteminin başarımı karşılaştırılmıştır. Buna göre; tüm deneylerde Km++TKP yöntemin iç mekânı kapsama başarımının GTTKP yöntemine göre daha yüksek olduğu hesaplanmıştır. Deneylerden elde edilen bulgular incelendiğinde, önerilen Km++TKP yönteminin simülasyon ortamında iç mekânın %96,86'sını, gerçek dünya boş iç mekânın %95,97'sini ve gerçek dünya engel içeren iç mekânın ise %94,32'sini kapsadığı görülmüştür. GTTKP yönteminin simülasyon ortamında iç mekânın %89,76'sını, gerçek dünya boş iç mekânın %82,47'sini ve gerçek dünya engel içeren iç mekânın ise %77,95'ini kapsadığı gözlemlenmiştir.