Gezgin Robotlar için Çok Kameralı Konumlandırma Sistemi Multi-Camera Localization System for Mobile Robots Oğuzcan Dobrucalı 1, Alpaslan Yufka 1, Burak Kaleci 1, Metin Özkan 1, Osman Parlaktuna 1 1 Elektrik ve Elektronik Mühendisliği Bölümü Eskişehir Osmangazi Üniversitesi, 26480, Meşelik, Eskişehir { odobrucali, ayufka, burakaleci}@gmail.com, {meozkan, oparlak}@ogu.edu.tr Özet Bu çalışmada, iç ortamlarda gezgin robotların seyrüseferleri esnasında ihtiyaç duydukları konum bilgilerini sağlamak için görüntü tabanlı bir sistem sunulmaktadır. Sunulan sistem, gezgin robotların çalışma alanını kapsayacak şekilde tavana yerleştirilmiş kameralardan alınan görüntülerden robotların konumlarının hesaplanması ve bu konum bilgilerinin robotlara ulaştırılması olarak iki kısımdan oluşmaktadır. Çalışmada kameralardan sağlanan görüntülerin kameranın pozisyonu, geniş açılı mercek kullanılması ve ortamdaki ışık şiddetinin değişmesi gibi nedenlerle bozulmasından dolayı, bu bozulmaları tanımlayan bir fonksiyon kullanılarak robotların konum bilgileri hesaplanmakta ve her bir kameranın yerel koordinat sistemine göre hesaplanan konum bilgileri, küresel koordinat sistemine dönüştürülerek robotlara mesaj tabanlı bir haberleşme yapısı ile aktarılmaktadır. Geliştirilen bu konumlandırma sistemi, gerçek ortamda gezgin robot kullanılarak yapılan uygulamalar ile birlikte sunulmaktadır. Abstract In this study, a system providing indoor localization for the mobile robots is presented. The developed system is composed of two sub-systems. The first system is used to determine location of mobile robots. The localization is performed by processing images captured from the overhead cameras. The cameras are mounted on the ceiling of the building as to cover whole working region of mobile robots. Functions are defined in these methods to compensate the distortions on the image; which are caused by the positions of the cameras, using wide angle lenses, and changing light amplitude. The local poses computed by using these functions are then converted into global values. The second system is used to provide the communication between the first system and the mobile robots. This study is presented with the applications realized with a mobile robot in real-time. 1. Giriş Gezgin robotların kendilerine verilen görevleri yerine getirmeleri esnasında konumlandırılmaları temel problemlerden birisidir. Bu sorunu çözmek için, robotların üzerinde bulunan algılayıcılarla bilgi toplanması ve bu bilgilerin değerlendirilmesi doğrultusunda çeşitli algoritmalar geliştirilmiştir [1]. Ancak, robotların ortamdan sağladıkları bilgilerdeki hatalar ve ortamdaki değişimler, robotun konumunu belirlemedeki başarısını etkiler ve böylece her ortamda bu yaklaşımların başarılı sonuçlar vermesi beklenemez. Bu nedenle, konum bilgisinin sağlanmasında ortama yerleştirilmiş araçlardan faydalanılmaktadır. Açık ortamlarda küresel konumlandırma sisteminin (GPS) kullanılmasının yanı sıra, kapalı ortamlarda da benzeri sistemlerin kullanımına ihtiyaç duyulmaktadır. Bu çalışmada, görüntü tabanlı bir konumlandırma sistemi sunulmaktadır. Bu sistem, tüm çalışma alanı kapsanacak şekilde tavana yerleştirilmiş geniş açılı merceğe sahip kameralardan alınan görüntülerin kullanıldığı konumlandırma ile elde edilen konum bilgilerinin gezgin robotlara iletilmesi için geliştirilen haberleşme yapısından oluşmaktadır. Konumlandırmada, görüntünün işlenmesiyle robotların üzerine yerleştirilen yapay imlerinin tanınması ve konumlarının belirlenmesi sağlanır [2]. Haberleşme ise seyrüsefer esnasında kullanılmak üzere elde edilen bu konum bilgilerinin, tasarlanan bir mesajlaşma yapısı içinde gezgin robotlara iletilmesini sağlar. Önerilen bu sistem, gezgin robot ile yapılan uygulamalar ile sunulmaktadır. Çalışmanın yapısı şu şekildedir: Bölüm 2 de genel konumlandırma problemleri ve çözüm yaklaşımları, Bölüm 3 te önerilen yöntem, Bölüm 4 te gerçekleştirilen uygulamalar, Bölüm 5 te sonuçlar ve öneriler verilmektedir. 2. Konumlandırma Problemleri ve Çözüm Yaklaşımları Günümüzde gezgin robot sistemleri alanında karşılaşılan önemli problemlerden biri robotun konumlandırılmasıdır. Gezgin robotlardan genellikle ortamda serbest dolaşmayı gerektiren görevleri gerçekleştirmeleri beklenir. Bu nedenle, çok farklı özelliklerdeki algılayıcılar ile donatılan bu sistemlerde güvenilir ve hızlı konum tespiti yapacak yöntemlere ihtiyaç duyulmaktadır. Gezgin robotların konumlandırılmasında; kör gidiş, yer imi tabanlı, küresel konumlandırma sistemi (GPS) ve harita karşılaştırmalı gibi çeşitli yaklaşımlar bulunmaktadır. Gezgin robotlarda yaygın olarak kullanılan tümlevli yol sayaç elemanın ölçümleri sonucu elde edilen konum ve yönelim tahmini, kör gidiş (dead-reckoning) yöntemini oluşturmaktadır. Gezgin robotların sürüş hataları, tekerlerinin özdeş olmaması gibi nedenler bu yöntemin güvenilirliğini uzun mesafeli seyirlerde azaltmaktadır. Fakat tümlevli yol sayaç elemanın ucuz olması, yüksek örnekleme hızı ve kısa mesafelerde kabul edilebilir düzeyde doğruluk sağlaması bu yöntemin avantajlarıdır [3]. Yer imleri ortam içerisinde bilinen bir konum ve yönelim bilgisine sahiptirler. Bunlar ortam içerisinde doğal veya yapay olarak bulunabilirler. Yer imleri, çokgen, yuvarlak gibi
bir geometriye sahip olabilirler. Gezgin robot ortam içerisinde bu yer imlerini algıladığında, kendisini önceden sahip olduğu yer iminin konum ve yönelim bilgisini kullanarak konumlandırabilir. Bu konumlandırma yönteminin uygulanabilir olabilmesi için yer imlerinin gezgin robotun algılama sahası içerisinde olması gerekir. Günümüzde pek çok alanda kullanılan küresel konumlandırma sistemi (GPS), uydular ve istemci arasındaki iletişim sonucu yayılan sinyallerin kullanılarak istemcinin konum ve yönelim bilgilerini hesaplayan bir konumlandırma yöntemidir. Açık ve sönümleme elemanlarının az bulunduğu ortamlarda tercih edilen etkin bir yaklaşımdır. Yöntemin uygulanmasında karşılaşılan en büyük sıkıntı, hava koşullarının çok kötü olması, ortamdaki ağaç, bina, gibi engellerin yoğun olması durumunda uydudan gelen sinyallerin zayıflaması veya yitirilmesidir [4]. Harita karşılaştırma yöntemi, gezgin robotun belleğine önceden depolanmış ortam haritasının, robotun algılayıcıları tarafından ortamdan elde edilen mesafe bilgilerinin karşılaştırılması sonucu sağlanan konumlandırma işlemidir. Eğer gezgin robot yeterince güvenilir algısal bilgiye sahip ve bu algısal bilgiyi yüksek işlem gücünde değerlendirme kabiliyetine sahip ise bu yöntem tercih edilir. Gezgin robotun belleğine önceden depolanmış olan referans haritasının doğru olması beklenir. konumlar ile gerçek konumlar arasındaki fark kullanılarak hata fonksiyonu elde edilmiştir. Bu hata fonksiyonu, konum ölçüm sonuçlarını iyileştirmekte kullanılmıştır. 3.2. Çok Kamera ile Konumlandırma Konumlandırma alanını genişletmek amacıyla, çalışma ortamında çok sayıda kamera kullanılmıştır. Bu sayede konumlandırma sistemi, robotun bir kameranın görüş alanından çıkması durumunda diğer kameradan aldığı görüntüleri işleyerek robotun daha geniş bir alanda izlenmesini sağlamıştır. 3. Önerilen Yöntem 3.1. Tek Kamera ile Konumlandırma Gezgin robotların, tavana yerleştirilen tepe kamerası ile alınan görüntülerden tanınması ve konumlandırılması için, robotların üstüne özel olarak tasarlanmış imler yerleştirilmektedir. Bu imlerin yapısı Şekil 1 de gösterilmektedir. İmlerdeki her üç kısımda konumlandırma için gerekli bilgileri sağlamaktadır. Şekil 1: Gezgin robotları tanımlamada kullanılan imlerin yapısının gösterimi İmlerin saptanması, öncelikle im sınırlayıcısının algılanması ile sağlanmaktadır. Alınan görüntüdeki im sınırlayıcıları ortamdaki robotları belirtmektedir. Daha sonra, im tanımlayıcısından robotun kimliği ve im yön belirtecinden de robotun yönelme bilgisi elde edilmektedir. Temelde, robotun konumunu belirlemek üzere, her bir görüntü hücresinin (piksel) ortamda tanımladığı mesafe değerinin kullanımı ile imin görüntüdeki konumundan ortamdaki konumu hesaplanabilmektedir. Ancak, algısal veri kaynağı olarak kameranın kullanıldığı durumlarda görüntüde kamera ve ortam kaynaklı bozulmalar oluşmaktadır [5]. Yapılan uygulamalarda konum hesaplamalarında sınırlı aralıkta değişen hataların olduğu gözlenmiştir. Bu hataları azaltmak amacıyla, hata modellemesi yapılmıştır. Kameranın görüş alanı içersinde eşit mesafelerde veri toplanıp, hesaplanan Şekil 2: Tepe kameraların görüş alanları, küresel ve yerel koordinat eksenleri. Şekil 2 de uygulamaların gerçekleştirildiği ESOGÜ Yapay Zeka ve Robotik Araştırma Laboratuarı için tavana monte edilen her bir kameranın (K i, i=1,2,3) görüş alanları kesikli çizgilerle gösterilmektedir. Ayrıca, kameraların hesaplamalarda kullandığı yerel koordinatlar (X i ve Y i, i=1,2,3) ile tüm laboratuar için tanımlanmış küresel koordinatlar (X,Y) görülmektedir. Üç kameradan alınan görüntülerle robotların konumlandırılması sağlanmaktadır. Önerilen çok kameralı konumlandırma sisteminde her kameradan görüntü alınmakta ve bu görüntüler kullanılarak Bölüm 3.1 de anlatılan yöntem ile gezgin robotların konumları yerel koordinatlara (X i ve Y i, i=1,2,3) göre hesaplanmaktadır. Yerel ve küresel koordinatlar arasında tanımlanan dönüşüm matrisleri kullanılarak robotların konumları küresel koordinatlara dönüştürülmektedir. 3.3. Haberleşme Önerilen yöntemde, iç ortamda bulunan gezgin robotların konumları bir bilgisayar tarafından hesaplanır. Bilgisayarda hesaplanan bu konum bilgilerinin, gezgin robotlara iletilmesini sağlayan bir haberleşme sistemi kurulmuştur. TCP/IP protokolünün kullanıldığı bu sistemde bilgisayar sunucu, gezgin robotlar ise istemci konumundadır. İstemcilerin, sunucu ile haberleşmesini sağlayan mesaj yapısı (1) ile gösterilmiştir. Bu yapı bir operatör ve operandlardan (parametrelerden) oluşur. operatör( operand 0,operand 1,,operand n ) (1)
İstemciler tarafından kullanılan mesajlar ve amaçları şu şekildedir: kayıt ( robot_adı, im_no, istek_tipi) : İstemci; robot_adı ile adını, im_no ile üzerinde taşıdığı imin tanımladığı numarayı, istek_tipi ile konum bilgisinin talep şeklini belirterek sunucuya kayıt olmak amacıyla bu mesajı gönderir. Sunucu bu mesajdaki parametrelerin tanımladığı bilgileri kullanarak istemciye konum bilgisini aktarır. Parametre ile belirtilen istek tipine göre konum bilgisi, sunucu tarafından istemciye ya talep beklemeksizin sürekli ya da sunucuya talep ulaştıkça istemciye gönderilir. kayıt_sil (robot_adı) : Bu mesaj istemci ile sunucunun bağlantısını kesmektedir. Ayrıca, bu mesajı alan sunucu ilgili istemcinin kaydını silmekte ve konumlandırma bilgisini ilgili istemciye göndermemektedir. talep (robot_adı, ref_numarası) : Bu mesaj ile istemci, sunucudan konum bilgisini talep eder. ref_numarası, istemci tarafından her bir talep için otomatik olarak atanır ve bu numara, sunucudan gelen yanıtın belirlenmesinde kullanılır. talep_değiştir (robot_adı, yeni_istek_tipi) : Bu mesaj ile istemci, sunucuya kayıt olurken belirttiği istek tipini değiştirir. Sunucunun, istemcilere konum bilgilerini aktarmasını sağlayan mesaj yapısı şu şekildedir. konum(ref_numarası,x_koordinat,y_koordinat,yön): Mesaj yapısından yer alan ref_numarası, istemciden sunucuya gelen talep mesajında yer alan referans numarasıdır. Alınan konum bilgisinin, istemcinin hangi talebine karşılık geldiğini bu ref_numarası belirtir. Sunucu mesajında ayrıca, mesajın gönderileceği istemcinin konum bilgisine ait x_koordinat, y_koordinat, yönlenme değerleri vardır. Bölüm 3.1 de anlatılan yöntem ile istemcinin hangi kameranın görüş alanı içinde olduğu ve istemciye ait yerel konum bilgisi elde edilmektedir. Bölüm 3.2 de anlatılan yöntem ile elde edilen yerel konum bilgisi, küresel konum bilgisine çevrilmekte ve bu bilgiler x_koordinat, y_koordinat, yönlenme değerlerine atanmaktadır. 4. Uygulamalar Önerilen konumlandırma sisteminin başarısını test etmek üzere iki uygulama gerçekleştirilmiştir. Bu uygulamalarda, gezgin robot ile kamera sistemi kullanılmıştır. Şekil 3 te görülen ve Pioneer 3-DX olarak adlandırılan diferansiyel sürüş yapısına sahip gezgin robot platformu, yüksek çözünürlüklü yol sayacı ve kablosuz Ethernet bulunan Pentium tabanlı bilgisayara sahiptir [6]. Konumlandırma maksadıyla kullanılan görsel algılama sisteminde ise, üzerinde Tokina KVR3314 model, manüel iris, H76.98 - V59.02 görüş açısına sahip lens takılı olan SONY SSC-E378P model renkli kamera ve Imagination PXC model görüntü yakalama kartı kullanılmaktadır. Kameralar, zemini dik açı ile görecek şekilde, yerden 335cm yüksekte tavana yerleştirilmiştir. Yazılımların geliştirilmesinde bazı uygulama geliştirme kütüphanelerinden faydalanılmıştır. Görüntülerin işlenmesinde, OpenCV olarak adlandırılan açık kaynak kodlu görüntü işleme kütüphanesi kullanılmıştır [7]. Pioneer 3-DX gezgin robot platformunun programlanmasında, ARIA olarak adlandırılan açık kaynak kodlu robot kontrol kütüphanesi kullanılmıştır [8]. Şekil 3: Uygulamalarda kullanılan Pioneer 3-DX robotunun üzerindeki yer imi ile görüntüsü Geliştirilen görüntü tabanlı çok kameralı konumlandırma sisteminin denenmesi amacıyla laboratuar ortamında bulunan P3-DX gezgin robotu ile tek yönde dikdörtgensel yol testi uygulanmıştır. Takip için kullanılan yol 400x122cm boyutlarındadır. Bu yolun yarısı tepe kamera (K 2 ) görüş alanında, diğer yarısı ise tepe kamera (K 3 ) görüş alanında yer almaktadır. Bu çalışmada, sistemin etkinliğini göstermek amacıyla, iki uygulama gerçekleştirilmiştir. İlk uygulamada, robot sadece adım sayıcılardan aldığı konum bilgisini kullanarak dikdörtgensel yolun köşe noktaları arasında hareket etmektedir. İkinci, uygulamada ise, robot dikdörtgenin köşelerinde önerilen konumlandırma sisteminin hesapladığı küresel konum bilgisini kullanmaktadır. Deneylerin yapıldığı laboratuar ortamında kameraların (K 2 ve K 3 ) görüş alanları ile gezgin robotun harekete başladığı konum Şekil 4 te gösterilmektedir. Şekil 4: Deneyin birinci ve ikinci adımındaki gezgin robotun başlangıçtaki konumu ve yönelimi: Solda K 2 den alınan ve sağda K 3 den alınan görüntü 4.1. Kör Gidiş Yöntemi ile Yol Takibi Deneyin ilk adımında, gezgin robot dikdörtgensel yol boyunca, kör gidiş yöntemiyle elde ettiği konumlandırma bilgilerini kullanmaktadır. Şekil 4'te gösterilen başlangıç pozisyondan harekete geçen robot, dikdörtgensel yolu izledikten sonra, Şekil 5'te gösterildiği gibi bir konum almaktadır. Gezgin robot hareketi esnasında, kör gidiş yöntemiyle sağlanan konum bilgisindeki hata büyüklüğü kat edilen yol ve yapılan manevralar ile birlikte artmaktadır. Gezgin robot hareketini tamamladığında yönündeki ve konumundaki hata görülebilmektedir.
Gezgin robotun dikdörtgensel yolu izlemesi süresince, konumunun değişimi kaydedilmiş ve bu veriler doğrultusunda, çizdirilen grafik Şekil 8 de verilmektedir. Yerel Konumlandirma sistemiyle izlenen dikdörtgensel yol 280 260 Şekil 5: Kör gidiş yöntemi ile yol takibinde, gezgin robotun bitiş noktasındaki konumu ve yönelimi: Solda K 2 den alınan ve sağda K 3 den alınan görüntü Gezgin robotun karesel yolu izlemesi süresince, konumunun değişimi kaydedilmiş ve bu veriler doğrultusunda, çizdirilen grafik Şekil 6 te verilmektedir. Kör Tahmin yöntemiyle izlenen dikdörtgensel yol 240 220 Baslangic pozisyonu 180 Bitis pozisyonu Şekil 8: Kamera tabanlı konumlandırma yöntemi ile yol takibinde, gezgin robotun izlediği dikdörtgensel yol. 250 150 100 50 Baslangic pozisyonu Bitis pozisyonu 0 Şekil 6: Kör gidiş yöntemi ile yol takibinde, gezgin robotun izlediği dikdörtgensel yol. 4.2. Çok Kameralı Konumlandırma Sistemi ile Yol Takibi Bu uygulamada, gezgin robot dikdörtgensel yolun takip edilmesinde önerilen konumlandırma sisteminden faydalanmaktadır. Gezgin robot, dikdörtgensel yolun her bir köşe koordinatına ulaştığında, önerilen konumlandırma sisteminden sağlanan konum bilgisini almaktadır. Böylece, kör gidiş yöntemi ile sahip olduğu hatalı konum bilgisini güncellemekte ve dikdörtgensel yolun bir sonraki köşe koordinatına ulaşmak üzere hareket etmektedir. Şekil 7 de gezgin robotun bitiş noktasındaki konumu ve yönelimi verilmektedir. 4.3. Uygulama Sonuçlarının Analizi Uygulamalarda, konumlandırma sistemi ile elde edilen konum bilgileri Tablo 1 ve Tablo 2 de gösterilmektedir. Ayrıca, robotun her iki deneydeki konum değer grafikleri karşılaştırma amacıyla, Şekil 9 de verilmektedir. Şekil ve tablolarda görüldüğü gibi, kör gidiş yöntemiyle karesel yolun izlenmesi esnasında, kat edilen mesafe arttıkça konumlandırma hatası da artmaktadır. Yolun köşe koordinatlarında, önerilen konumlandırma sisteminden sağlanan konum bilgisi kullanıldığında, hatanın azaldığını ve kat edilen mesafe ile bu hatanın artmadığı görülmektedir. Tablo 1: Kör gidiş yöntemi ile yol takibi yapıldığında elde edilen konum verileri. X Beklenen (cm) X Ölçülen (cm) X Hata (cm) Y Beklenen (cm) Y Ölçülen (cm) Başlangıç 343 343 0 182 182 0 Y Hata (cm) 1. Köşe 743 767 +24 182 180-2 2. Köşe 743 748 +5 304 309 +5 3. Köşe 343 349 +6 304 183-121 Bitiş 343 446 +103 182 13-169 Şekil 7: Çok kamera konumlandırma sistemi ile yol takibinde, gezgin robotun bitiş noktasındaki konumu ve yönelimi: Solda K 2 den alınan ve sağda K 3 den alınan görüntü
Tablo 2: Kamera tabanlı konumlandırma sistemi yol takibinde kullanıldığında elde edilen konum verileri. X Beklenen (cm) X Ölçülen (cm) X Hata (cm) Y Beklenen (cm) Y Ölçülen (cm) Başlangıç 343 343 0 181 181 0 Y Hata (cm) 1. Köşe 743 763 +20 181 193 +12 2. Köşe 743 722-21 303 293 +10 3. Köşe 343 339-4 303 279-24 Bitiş 343 353 +10 181 183 +2 350 250 150 100 50 Kör Tahmin yöntemi ile Konumlandirma sisteminin kiyaslanmasi Kör Tahmin Konumlandirma 1. Köse 2. Köse 3. Köse 4. Köse 0 Şekil 9: Uygulamalarda gezgin robotun izlediği dikdörtgensel yollar Çok kameralı konumlandırma sisteminin kullanımı ile yol izlemede hataların olduğu görülmektedir. Bu hataların sebepleri, yapılan uygulamalardan sağlanan bilgiler doğrultusunda tanımlanabilmektedir. Robotun istenen bir noktaya gitmesi istendiğinde, robotun mekanik yapısından ve robotun tekerleklerinin dönüşünü kontrol eden kontrolörlerin hatalarından kaynaklanan sebeplerle istenen noktaya ulaşamamaktadır. Bu istenilen noktalara tam olarak varılamamasının sebeplerinden biridir. Kameradan alınan görüntülerdeki bozulmalar ve ortamın büyüklüğü nedeniyle bir pikselin taşıdığı ortamdaki alanın genişliği hataların kaçınılmaz sebepleridir. Ayrıca, insan kaynaklı yapılan ölçüm hataları da olabilir. Gezgin robotun 40.0x44.5cm ebatlarında olduğu ve kameraların 1100x800cm ebatlarında geniş görüş alanına sahip olduğu düşünüldüğünde, karşılaşılan hatalar kabul edilebilir sınırlar içindedir. 5. Sonuçlar ve Öneriler Bu çalışmada, kapalı ortamlarda kullanılabilecek görüntü tabanlı bir konumlandırma sistemi önerilmiş ve uygulamalar ile etkinliği gösterilmiştir. Bu sistemde tüm çalışma alanında konumlandırma yapılmasını sağlayacak üç kamera yere dik olacak şekilde tavana yerleştirilerek kullanılmıştır. Ancak, daha geniş alanlarda konumlandırma yapılmak istendiğinde, tavana yerleştirilen kamera sayısı arttırılarak önerilen yaklaşım kullanılabilir. Önerilen konumlandırma sistemi şu kısımları içermektedir: (1) Her kameradan ayrı ayrı görüntü alınarak, robotun algılanabilmesi için tasarlanan yer imleri saptanır. (2) Saptanan yer imleri kullanılarak, bir bilgisayar tarafından konum bilgisi hesaplanır. (3) Hesaplanan konum bilgisi, TCP/IP protokolü ile ağ ortamına sunulur. (4) Gezgin robotlar ve ağ ortamındaki diğer bilgisayarlar, konum bilgisini tanımlanan mesaj yapılarını kullanarak elde edebilir. Önerilen bu konumlandırma sisteminin denemesi maksadıyla iki uygulama gerçekleştirilmiştir. İlk uygulamada sadece kör gidiş yöntemi ile elde edilen konumlandırma bilgisi kullanılarak robotun dikdörtgensel bir yol izlemesi sağlanmıştır. Bu ilk uygulamada sadece kör gidiş yöntemi ile robotun konumlandırılması yapılarak hedeflere gidilemediği açıkça görülmüştür. İkinci uygulamada ise aynı yolun izlenmesi önerilen çok kameralı konumlandırma sistemi kullanılarak gerçekleştirilmiştir. Tümlevli yol sayacı hatasının, dikdörtgensel yolun köşelerinde sıfırlanması nedeniyle ikinci uygulamada hatanın azaldığı gözlemlenmiştir. Önerilen yaklaşım, iç ortamlarda gezgin robotların konumlandırılmasında bir küresel konumlandırma sistemi (GPS) gibi kullanılabilir. Ayrıca, çalışma alanının sınırlı olduğu iç ortamlarda gezgin robotların kendilerinden beklenen görevleri yapabilmeleri için konumlandırma sağlayabilir. Gelecekte, çok kameralı konumlandırma sisteminin hesaplama hızını ve doğruluk oranlarını arttırmak için çalışmalar yapılması planlanmaktadır. Bu kapsamda, tahmin yöntemleri kullanılarak robotun hareket eğilimleri izlenecek, bu eğilimler doğrultusunda görüntüden sağlanan konum bilgisinin iyileştirilmesi ve robotun kameraların görüş alanları arasında geçişlerinin belirlenmesi sağlanacaktır. Ayrıca, bu yaklaşımla görüş alanları etrafında kalan küçük alanlar içinde de robotun konum tahmini yapılabilecektir. 6. Kaynaklar [1] J. Borenstein, H. R. Everett, L. Feng, and D.Wehe, Mobile Robot Positioning Sensors and Techniques, Journal of Robotic Systems, 14(4), pp. 231 249, 1997. [2] B. Kaleci, Y. Çakır, M. Özkan ve O. Parlaktuna, Tepe Kamera ile İç Ortamda Gezgin Robotların Konumlandırılması, Akıllı Sistemlerde Yenilikler ve Uygulamaları Sempozyumu (ASYU 8), Isparta, Türkiye, 8. [3] J. Borenstein, H. R. Everett, and L. Feng, Where am I? : Sensors and Methods for Mobile robot Positioning, the University of Michigan, USA, 1996. [4] Capezio, Francesco, Sgorbissa, Antonio, Zaccaria, Renato, An Augmented State Vector Approach to GPS- Based Localization, IEEE International Symposium on Computational Intelligence in Robotics and Automation Jacksonville, FL, USA, June 20-23, 7. [5] B. Kaleci, Indoor Robot Localization By Using Overhead Camera, Lisans Tezi, Eskişehir Osmangazi Üniversitesi, Ocak 8. [6] www.mobilerobots.com, 8. [7] Open Source Computer Vision Library (OpenCV) Reference Manual (1), http://developer.intel.com, Intel Cooperation, USA. [8] MobileRobots Advanced Robotics Interface for Applications (ARIA) Developer's Reference Manual, Ver. 2.5.1, http://robots.mobilerobots.com/, 8.