Developing A Probabilistic Post Perception Module For Mobile Robotics

Summary:

All autonomous robots need to gather information about their surroundings. Once information about the environment is accurately extracted a great deal of further research is possible ranging from human computer interaction to high level action planning. However experience indicates achieving accurate perception can be a challenging problem. One of the problems is erroneous perception of the unrelated features of the environment as landmarks. Due to imperfect nature of sensors, methods should be developed to compensate for the uncertainties introduced by the low level perception algorithms. Looking from this point of view, the self localization literature may be seen as an effort to resolve the uncertainties introduced by lower level perception algorithms. This thesis proposes an algorithm to work between low level visual detection algorithms and higher level modules of a robot. The algorithm aims to select and remove erroneous perception information generated due to misplaced landmarks. Defining landmarks and correct locations for landmarks might sound very environment dependent at first. However this is not the case due to the generic definition of a landmark and correct location. Using the meta pose instead of a specific pose as the state space, the method becomes easily portable with a few alterations in the parameters of the underlying probabilistic framework. Experiments are performed in two different environments to show general nature of the proposed algorithm.

Özet:

Bütün otonom robotlar verilen görevlerine bulundukları ortamdan algılar toplayarak başlarlar. Algılar kesin olarak bilinebilirse, insan robot iletişiminden üst seviye görev planlama gibi bir çok ileri araştırma alanı üzerinde çalışılabilir. Ancak önceki çalışmalar algıları eksiksiz ve kesin olarak toplanmasının oldukça güç olduğunu göstermiştir. Başta gelen problemlerden birisi ortamda bulunan ilgilsiz nesnelerin işaretçiler olarak algılanmasıdır. Temelde algılayıcıların mükemmel olmayan doğası gereği oluşan, alt seviye algılama algoritmalarındaki belirsizliklerin telafi edilmesi için çeşitli yöntemler uygulanması gereklidir. Bu açıdan bakıldığında robot pozisyonlaması literatürünün tamamının alt seviye algılayıcılarının getirdikleri belirsizliklerin çözülmesi amacı taşıdığı söylenebilir. Zira mükemmel algılar var olabilseydi, pozisyonlanma en basit yöntemlerle bile çözülebilirdi. Bu tezin amacı alt seviye görsel algılama birimleri ile yüksek seviye birimler arasında çalışarak, hatalı algılanmış nesneleri seçip ilgili algıları silebilecek bir algoritma geliştirilmesidir. Belirli bir grup nesneden ve hatalı algılardan bahsetmek ilk bakışta önerilen çözümün son derece ortam bağımlı olduğunu düşündürebilir. Ancak gerçek pozisyon bilgisi yerine meta posizyon bilgisinin kullanılması önerilen yöntemin olasılıksal alt yapısındaki birkaç parametrenin ayarlanamsıyla kolayca başka ortamlarda da kullanılabilmesini sağlar. İki farklı ortamda gerçekleştirilmiş deneyler önerilen yöntemin kolayca genellebildiğini göstermektedir.