Research Article
BibTex RIS Cite

Optimization of Navigation Parameters in Autonomous Vehicles

Year 2022, Volume: 63 Issue: 706, 186 - 200, 10.12.2021
https://doi.org/10.46399/muhendismakina.962693

Abstract

İn this study, inflation radius, cost scaling factor, path distance bias and goal distance bias parameters were examined onto navigation processes, which are mostly used with dynamic Windows approach local planner. The optimizations were conducted in Gazebo simulation tool and were used to simulate the real environments. Robot Operating System (ROS) is used as the architectural structure for the control algorithms. As a result of this study, some navigation parameters have been recommended for robots that will be working indoor and particularly narrow state. Recommended parameters and parameter intervals have been offered for a robot that has 1540 mm length and 425 mm radius. These parameters were optimized for narrow areas like door interiors in case these dimensions belong to that robot.

References

  • Zheng K. 2016. ROS Navigation Tuning Guide, ROS, ROW Wiki. Macenski S. ,2013, Inflation Costmap Plugin, http://wiki.ros.org/costmap_2d/hydro/inflation, 18 04 2021. PlayFish, 2019, URDF, http://wiki.ros.org/urdf , 2021 04 20.
  • Casas, G. 2021. Building a Visual Robot Model with URDF from Scratch, http://wiki.ros.org/urdf/Tutorials/Building%20a%20Visual%20Robot%20Model%20with%20URDF%20from%20Scratch ,20 04 2021.
  • Mota, J. 2020. dwa_local_planner, http://wiki.ros.org/dwa_local_planner , 2021 04 16.
  • Zheng, K. 2018. Basic Navigation Tunning Guide, http://wiki.ros.org/navigation/Tutorials/Navigation%20Tuning%20Guide , 2021 04 20.
  • Guimares, R. Andre, Joao, Thiago, Vinicius, 2016. ROS Navigation: Concepts and Tutorial, Anis Koubaa, no. 625, 978-3-319-26054-9, Springer, pp. 121-160, Poland.
  • Henkel C, Alexander, Weiliang, 2016. Energy Efficient Dynamic Window Approach for Local Path Planning in Mobile Service Robotics, ScienceDirect, no. 49, pp. 32-37.
  • Fox Dieter, Wolfram, Sebastian, 1997, The Dynamic Window Approach to Collision Avoidance, IEEE Robotics &Automation Magazine, DOI: 10.1109/100.580977 no: 4, pp:23-33.
  • Cybulski, B. Wegierska, Granosik, Accuracy comparison of navigation local planners on ROS-based mobile robot, 12th International Workshop on Robot Motion and Control, Temmuz 8-10, Poznan, POLAND, 2019.
  • David, V. Lu, Dave, Williwm, Layered Costmaps for Context-Sensitive Navigation, 2014 IEEE/RSJ International Conference on, Chicago, USA, 2014.
  • Haddad H, Khatib, Chatila, Reactive Navigation in Outdoor Environments using Potential Fields, Intemational Conference on Robotics & Automation, Leuven, Belgium, 1998.
  • David V. Lu, 2013. costmap_2d hydro inflation, http://wiki.ros.org/costmap_2d/hydro/inflation , 2021 04 19.
  • D. A. B. Atalay Tayfun Türedi, Endüstriyel Robotik Otomasyon Sistemlerinde Görülen Hataların Ve Sistem Güvenilirliğinin Hata Türleri ve Etkileri Yöntemi ile Analizi, Mühenids ve Makina, cilt 57, no. 672, pp. 56-61, 2015.
  • S. Yılmaz, Bakım Uygulamalarında Robotların Yardımcı Ekipman Olarak Kullanılması,» Mühendis ve Makina, cilt 61, no. 699, pp. 132-143, 2020.

Otonom Araçlarda Navigasyon Parametrelerinin Optimizasyonu

Year 2022, Volume: 63 Issue: 706, 186 - 200, 10.12.2021
https://doi.org/10.46399/muhendismakina.962693

Abstract

Bu çalışmada kapalı ortamlarda çokça kullanılan dinamik pencere yaklaşım (DWA) lokal planlayıcısı ile çalışan enflasyon tabakası, maliyet çarpım faktörü, yol mesafe eğilimi ve hedef mesafe eğilimi (inflation_radius, cost_scaling_factor, path_distance_bias ve goal_distance_bias) parametrelerinin, navigasyon işlemleri üzerine etkileri incelenmiştir. Optimizasyonlar Gazebo simülasyon ortamında gerçekleştirilmiş olup, gerçek ortamı benzetimi için kullanılmıştır. Kontrol algoritmaları için ise mimari yapı olarak ise Robot İşletim Sistemi (ROS) kullanılmıştır. Yapılan çalışma sonucu kapalı ortamlar ve özellikle dar ortamlarda çalışacak robotlar için bazı navigasyon parametreleri önerilmiştir. Önerilen parametre değerleri ve değer aralıkları boyut olarak büyük ve dar ortamlarda çalışacak robotlar için uygundur. Kullanılan robot boyları 1540 mm uzunluğunda ve 425 mm yarıçapındadır. Bu boyutlar göz önüne alındığında kapı araları gibi dar alanlar için optimizasyonlar yapılmıştır.

Thanks

Pamukkale Üniversitesi Bilimsel Araştırma Projeleri (BAP ) tarafından 2020FEBE024 nolu proje ile desteklenmiştir.

References

  • Zheng K. 2016. ROS Navigation Tuning Guide, ROS, ROW Wiki. Macenski S. ,2013, Inflation Costmap Plugin, http://wiki.ros.org/costmap_2d/hydro/inflation, 18 04 2021. PlayFish, 2019, URDF, http://wiki.ros.org/urdf , 2021 04 20.
  • Casas, G. 2021. Building a Visual Robot Model with URDF from Scratch, http://wiki.ros.org/urdf/Tutorials/Building%20a%20Visual%20Robot%20Model%20with%20URDF%20from%20Scratch ,20 04 2021.
  • Mota, J. 2020. dwa_local_planner, http://wiki.ros.org/dwa_local_planner , 2021 04 16.
  • Zheng, K. 2018. Basic Navigation Tunning Guide, http://wiki.ros.org/navigation/Tutorials/Navigation%20Tuning%20Guide , 2021 04 20.
  • Guimares, R. Andre, Joao, Thiago, Vinicius, 2016. ROS Navigation: Concepts and Tutorial, Anis Koubaa, no. 625, 978-3-319-26054-9, Springer, pp. 121-160, Poland.
  • Henkel C, Alexander, Weiliang, 2016. Energy Efficient Dynamic Window Approach for Local Path Planning in Mobile Service Robotics, ScienceDirect, no. 49, pp. 32-37.
  • Fox Dieter, Wolfram, Sebastian, 1997, The Dynamic Window Approach to Collision Avoidance, IEEE Robotics &Automation Magazine, DOI: 10.1109/100.580977 no: 4, pp:23-33.
  • Cybulski, B. Wegierska, Granosik, Accuracy comparison of navigation local planners on ROS-based mobile robot, 12th International Workshop on Robot Motion and Control, Temmuz 8-10, Poznan, POLAND, 2019.
  • David, V. Lu, Dave, Williwm, Layered Costmaps for Context-Sensitive Navigation, 2014 IEEE/RSJ International Conference on, Chicago, USA, 2014.
  • Haddad H, Khatib, Chatila, Reactive Navigation in Outdoor Environments using Potential Fields, Intemational Conference on Robotics & Automation, Leuven, Belgium, 1998.
  • David V. Lu, 2013. costmap_2d hydro inflation, http://wiki.ros.org/costmap_2d/hydro/inflation , 2021 04 19.
  • D. A. B. Atalay Tayfun Türedi, Endüstriyel Robotik Otomasyon Sistemlerinde Görülen Hataların Ve Sistem Güvenilirliğinin Hata Türleri ve Etkileri Yöntemi ile Analizi, Mühenids ve Makina, cilt 57, no. 672, pp. 56-61, 2015.
  • S. Yılmaz, Bakım Uygulamalarında Robotların Yardımcı Ekipman Olarak Kullanılması,» Mühendis ve Makina, cilt 61, no. 699, pp. 132-143, 2020.
There are 13 citations in total.

Details

Primary Language Turkish
Subjects Engineering
Journal Section Research Article
Authors

Ege Yılmaz 0000-0001-5609-3566

İsmail Ovalı 0000-0002-8193-0060

Publication Date December 10, 2021
Submission Date July 5, 2021
Acceptance Date November 2, 2021
Published in Issue Year 2022 Volume: 63 Issue: 706

Cite

APA Yılmaz, E., & Ovalı, İ. (2021). Otonom Araçlarda Navigasyon Parametrelerinin Optimizasyonu. Mühendis Ve Makina, 63(706), 186-200. https://doi.org/10.46399/muhendismakina.962693

Derginin DergiPark'a aktarımı devam ettiğinden arşiv sayılarına https://www.mmo.org.tr/muhendismakina adresinden erişebilirsiniz.

ISSN : 1300-3402

E-ISSN : 2667-7520