Görsel Tabanlı Haritalama ile Otonom Robotlarda Hedefe Yönelik Optimum Yol Bulma

Abstract

Otonom robotların, bilinmeyen veya yarı bilinen ortamlarda kendi konumlarını belirlemesi, engellerden kaçınması ve etkili yol planlaması yapması kritik bir gereksinimdir. Bu tezde, otonom bir robotun, Gazebo simülasyon ortamında yer alan cadde ve işletmelerin bulunduğu bir mahalle ortamında keşif, haritalama ve yol planlama görevlerini gerçekleştirmesi incelenmiştir. Robot, keşif algoritması ile ortamı tarayarak kamera sensöründen aldığı görüntülerdeki işletme tabelalarında mevcut olan metinleri tespit edecek ve metin algılama algoritmasıyla bu tabelaların isimlerini tanıyacaktır. Metin tespit etmek için EAST algoritması kullanılacaktır. Metin tanıma işlemi için ise Optik Karakter Tanıma (OCR) algoritmalarından EasyOCR, Keras ve Tesseract kullanılarak her işletme için koordinatlar belirlenecektir. Bu süreç sonunda, işletme isimlerini ve konumlarını içeren görsel bir harita oluşturulacaktır. Haritalama işlemi tamamlandıktan sonra, robota çeşitli görevler verilecektir. Örneğin, robota rastgele bir başlangıç noktasından seçilen X işletmesine gitme görevi verilecek ve robot bu görevi hem Dijkstra hem de A* algoritmalarını kullanarak gerçekleştirecektir. Farklı görevler aracılığıyla ve farklı parametreler göz önünde bulundurarak iki yol planlama algoritmasının performansı karşılaştırılacaktır. Bu çalışma, yol planlama algoritmaları ve OCR modellerinin güçlü ve zayıf yönlerini analiz ederek, otonom robot navigasyon sistemlerine yönelik önemli katkılar sağlamayı hedeflemektedir.

The ability of autonomous robots to localize themselves, avoid obstacles, and perform efficient path planning in unknown or partially known environments is a critical requirement. This thesis explores the abilities of an autonomous robot to perform exploration, mapping, and path planning in a simulated neighborhood environment created using the Gazebo simulation platform, which includes streets and businesses. The robot uses an exploration algorithm to scan the created environment, detects business signboards with its camera sensor, and identifies the text on these signboards through a text detection algorithm. Optical Character Recognition (OCR) models, including EasyOCR, Keras, and Tesseract, are employed to recognize the business names. After the text detection and recognition of businesess in the environment coordinates are assigned to each identified business. This process culminates in the generation of a visual map containing business names and their respective locations. Following the mapping phase, the robot is assigned various tasks, such as navigating from a randomly chosen starting point to a specified business (e.g., X). The navigation tasks are executed using both Dijkstra and A* algorithms, enabling a comparative analysis of the performance of these path planning methods under different scenarios. This study provides a comprehensive evaluation of the strengths and limitations of path planning algorithms and OCR models, offering significant contributions to the development of robust autonomous robot navigation systems.