Kapalı mekanlarda Küresel Konumlandırma Sistemi (GPS) gibi teknolojilerin yetersizliği, robotik sistemlerin konum belirleme süreçlerinde alternatif yöntemlerin geliştirilmesini gerekli kılmaktadır. Bu alanda, Ultra Geniş Bant (UWB), Wi-Fi Tabanlı Konumlandırma Sistemleri, Bluetooth Düşük Enerji (BLE) işaretçileri, Radyo Frekansı ile Tanımlama (RFID), ultrasonik konumlandırma ve görsel tabanlı konumlandırma gibi teknolojiler kullanılmaktadır. UWB teknolojisi konumlandırma için yaygın olarak kullanılmasına rağmen, çok yollu yayılım, görüş hattı engelleri (NLOS), elektromanyetik girişim ve sensör gürültüsü gibi etkenler nedeniyle konum doğruluğunda dalgalanmalar ve sapmalar meydana gelmektedir. Bu çalışmada, bu sorunları gidermek amacıyla Uyarlamalı Genişletilmiş Kalman Filtresi (AEKF) tabanlı bir yöntem önerilmektedir. Önerilen yöntem, UWB tabanlı konumlandırma sistemlerinde karmaşık sistem gürültüsü ve eksik ölçüm bilgileri durumunda veri bütünlüğünü koruyarak sistemden toplanan UWB ve Ataletsel Ölçüm Birimi (IMU) verilerine AEKF uygulayarak konumlandırma performansını artırmaktadır. Sistemin deneysel çalışmaları bir mobil robot aracılığıyla AEKF ve filtresiz UWB ölçümleri olarak yapılmış ve karşılaştırılmıştır. Deneysel sonuçlar, AEKF'nin daha yüksek konumlandırma doğruluğu sağladığını ve gerçek zamanlı çalışabilirlik sunduğunu göstermektedir. Bu bulgular, AEKF'nin etkin bir çözüm sunduğunu ortaya koymaktadır.
Bu çalışma ilk yazarın doktora tezinin sonuçlarını içermektedir.
The inadequacy of technologies such as Global Positioning System (GPS) in indoor spaces necessitates the development of alternative methods in the location determination processes of robotic systems. In this field, technologies such as Ultra Wide Band (UWB), Wi-Fi Based Positioning Systems, Bluetooth Low Energy (BLE) beacons, Radio Frequency Identification (RFID), ultrasonic positioning and visual-based positioning are used. Although UWB technology is widely used for positioning, fluctuations and deviations in location accuracy occur due to factors such as multipath propagation, line of sight obstacles (NLOS), electromagnetic interference and sensor noise. In this study, an Adaptive Extended Kalman Filter (AEKF) based method is proposed to eliminate these problems. The proposed method increases the positioning performance by applying AEKF to UWB and Inertial Measurement Unit (IMU) data collected from the system while preserving data integrity in case of complex system noise and incomplete measurement information in UWB-based positioning systems. Experimental studies of the system were performed and compared as AEKF and filterless UWB measurements via a mobile robot. Experimental results show that AEKF provides higher positioning accuracy and offers real-time operability. These findings reveal that AEKF provides an effective solution.
Primary Language | Turkish |
---|---|
Subjects | Mechatronics Engineering, Engineering Instrumentation, Autonomous Vehicle Systems |
Journal Section | Tasarım ve Teknoloji |
Authors | |
Early Pub Date | June 18, 2025 |
Publication Date | June 30, 2025 |
Submission Date | February 8, 2025 |
Acceptance Date | May 20, 2025 |
Published in Issue | Year 2025 Volume: 13 Issue: 2 |