Hector slam based navigatıon with integrated object detection

Abstract

The main aim of this study is to develop an approach that detects and classifies objects in indoor areas by applying Hector Simultaneous Localization and Mapping (SLAM) and "You Only Look Once" (YOLO) algorithms to an autonomous, custom-made mobile robot. The approach is based on the Robot Operating System (ROS) and computer vision. The mobile robot's motion, path, and communication are controlled by the ROS navigation package. This paper provides a detailed description of the approach implemented to create a new map with objects, as well as information about the hardware and software configuration of the mobile robot. The object identification process and map creation are performed using a low-budget Laser Imaging Detection and Ranging (LIDAR) sensor and non-encoder DC motors. The results show that the proposed technique can detect objects with an accuracy of 97.8% and 94.86% for the x and y cartesian axes, respectively..

Bu çalışmanın amacı iç mekanlarda Hector Eş Zamanlı Lokalizasyon ve Haritalama (EZLH) ve “Sadece Bir Defa Bak” (SBDB) kullanan özel yapım bir otonom robotun nesneleri algılamasını ve onları sınıflandırmasını sağlayan bir yaklaşım geliştirmektir. Yaklaşım, Robot İşletim Sistemi (RİS) ve bilgisayarla görme teknolojilerine dayanmaktadır. Mobil robotun hareketi, izlediği yolu ve iletişimi, RİS navigasyon paketiyle kontrol edilmektedir. Makale, yeni bir harita oluşturmak için uygulanan algoritmanın ayrıntılı bir açıklamasının yanı sıra, mobil robotun donanım ve yazılım yapılandırmasına ilişkin bilgileri de sunmaktadır. Nesne tanımlama süreci ve harita oluşturma, düşük bütçeli bir Lazer Görüntüleme Algılama ve Mesafe Ölçümü (LGAMÖ) sensörü ile enkodersiz direkt akım (DA) motorlar kullanılarak yapılmaktadır. Sonuçlar, önerilen tekniğin nesneleri sırasıyla x ve y kartezyen eksenlerinde % 97.8 ve % 94.86 doğrulukla tespit edebildiğini göstermektedir.