İç mekân konumlandırma sistemleri

Açık alanlarda konumlama problemi çoğu uygulama için küresel uydu navigasyon sistemleri (GNSS) tabanlı sistemler kullanılarak çözülebilmektedir. Kapalı mekânlarda ise genel kabul gören benzer bir uygulama hâlihazırda yoktur. İç mekân konumlandırma sistemleri (IPS) üzerinde halen devam eden pek çok çalışma vardır ve birçoğu uygulamaya özel kısıtlar ile sınırlandırılmış çalışmalardır. İç mekân konumlandırma sistemlerinin temel amacı bina, fabrika ve benzeri bir kapalı ortamdaki insan veya başka bir hareketli objenin konum bilgisinin sağlanmasıdır. IPS ile ilgili literatür tarandığında [85], [86], [87], iç mekân konumlandırma sistemleri ataletsel, haberleşme tabanlı, görüntü işleme tabanlı ve benzeri yaklaşımlarla geliştirilebilmektedir. Ataletsel sistemler, konum bilgisi istenen objenin bir referans noktasına göre bağıl konumunun ivmeölçer ve gyroscope gibi ataletsel sensör verilerin işlenmesi yolu ile hesaplanması olarak tanımlanabilir. Haberleşme tabanlı sistemler kablosuz haberleşme protokolleri kullanılarak konum tespit edilmesini içermektedir. Bunlara ek olarak haberleşme ve atalet tabanlı sistemlerin birlikte kullanıldığı veya bunların dışında kalan imge işleme gibi çok farklı yaklaşımları içeren yöntem bulunmaktadır [88].

Mautz, çalışmasında iç mekân konumlandırma sistemleri hakkında genel bir karşılaştırma yapmış ve radyo frekansı tabanlı bir iç mekân konumlandırma sistemi önermiştir [89]. Youngsu ve ekibi yaptıkları çalışmada çoklu bir kablosuz sensör ağı üzerinden bir iç mekân konumlandırma sistemi geliştirmiştir [90]. Hazas ve Hooper

dar bant genişliğine sahip standart ultrasonik konumlandırıcıların aksine geniş bantlı ses işaretlerinin işlenmesi temeline dayanan hassas iç mekân konumlandırma sistemi üzerinde çalışmıştır. İç mekânlar için insan veya mobil robotların gerçek zamanlı konum takibi için hassas bir konumlandırma yöntemi ortaya koymuşlardır [91]. Harter ve ekibi radyo sinyalleri üzerinden haberleşen bir alıcı grubu ve verici ile iç mekân konumlandırma sistemi geliştirmişlerdir. Tavan bölümüne belli bir düzende yerleştirilen alıcılar ile konumlandırılacak nesne üzerine yerleştirilen verici arasındaki kablosuz haberleşmede, TDoA prensibi ile konum tespiti yapılmıştır. Active Bat ismi verilen bu çalışmada 9 cm doğruluk elde edilmiştir. Geniş alanlarda çok sayıda alıcı gerektirdiği için maliyet ve kurulum işçiliği yüksek bir yöntemdir [92]. Bir başka kablosuz haberleşme tabanlı konumlandırma sistemi olan Cricket sisteminde ise alıcı donanım konumlandırılacak olan objenin üzerine yerleştirilmiştir. Verici grubu ise iç mekânda bilinen konumlara yerleştirilerek senkronizasyonu sağlamıştır [93]. İç mekân konumlandırma sistemlerinde yükselen eğilimlerden biri de geniş bant teknolojisidir [94]. Geniş bant altyapısı zaman çözünürlüğünü yükselttiği için ToF kestirimleri daha doğru yapılabilmektedir. Bu da konumlama hassasiyetine olumlu etki etmektedir. Kablosuz alıcı tarafından alınan sinyalin şiddetini (RSS) referans alarak konumlandırma yapılan çalışmalar da mevcuttur [95]. Yang ve Chen yaptıkları çalışmada bir bina içerisindeki bilinen seçili konumlar için RSS değerlerinin korelasyonları üzerinde çalışarak binanın bir RSS modelini çıkarmışlardır. Bilinmeyen herhangi bir konum için bu model referans alınarak konum tespiti yapmaya çalışmışlardır [96]. Lin ve ekibi çalışmalarında Bluetooth Low Energy (BLE) etiketlerini kullanarak hastane ortamında hasta takibi yapmışlardır [97]. Munoz Diaz, insan takibi yapabilmek için mobil cihazlar üzerindeki gyroscope verilerini kullanmıştır [98]. Foxlin, ayaklara giyilen IMU sensörleri ile Kalman filtresi uygulaması yaparak insan hareketlerini iç mekânlarda takip etmeyi başarmıştır [99]. RFID haberleşmesinde RSS değerlerinin ölçümü ve ivmeölçer verisinin işlenmesi kombinasyonu ile yapılan çalışma ise kablosuz haberleşme ve ataletsel yaklaşımların hibrit bir uygulaması olarak değerlendirilebilir [100]. İç mekânlarda harita oluştururken eş zamanlı olarak konumlandırma yapmak amacıyla geliştirilen SLAM, araştırmacılar tarafından yaygın kullanılan bir konumlandırma yöntemidir [101]. İnsan takibine özel olarak geliştirilen IMU destekli footSLAM yöntemi, insanların belli bir konumdan bir diğerine gidiş-

dönüşlerinde hemen hemen aynı yolu takip etmesi gibi insana özgü varsayımlar üzerine kurgulanan olasılıksal bir konum belirleme yöntemidir [102-104].

Biswas ve Veloso, üç boyutlu derinlik imgelerini işleyerek bir mobil robot konumlandırma sistemi geliştirmişlerdir. Derinlik imgelerini Kinect sensörü kullanarak elde etmişlerdir. Çok boyutlu ölçüm verisinin işlenmesindeki hacmi azaltmaya ve gerçek zamanda istenilen gecikme düzeylerine erişmeye yönelik geliştirdikleri “fast sampling plane filtering” (FSPF) metodunu önermişlerdir [105]. Rongbing ve ekibi geliştirdikleri mobil robot iç mekân konumlandırma sisteminde LIDAR kullanmışlardır [13]. Ganganath ve Leung Kinect sensör ve odometre kullanarak iç mekân konumlandırma sistemi geliştirmişlerdir. Çalışmada konum etiketleri ve enkoder verileri kullanarak düşük maliyetli bir konumlandırıcı geliştirmişlerdir [106]. Choi ve Lee mobil robotlar için hareketli engellerin bulunduğu ortamlarda konum kestirimi yapmak için ultrasonik sensörler ve Kalman filtresi kombinasyonu kullanmıştır [107]. Parçacık filtresi, iç mekân haritası, odometre bilgisi ve iki boyutlu LIDAR verileri kullanılarak gerçekleştirilen Monte Carlo Localization (MCL) yöntemi, sensör modeli ve robot kinematiğini temel alan olasılıksal bir konumlandırma metodudur [108].

Tablo 1.1. İç mekân konumlandırma sistemlerinin karşılaştırılması [109]

Teknik Parametreler Global konumlama Doğruluk [m] Kapsama [m] Maliyet Karmaşıklık Kaçırılma problemine çözüm İmge işleme +/- 10-3-10-1 1-10 Yüksek Yüksek +

IR + 10-2-1 1-5 Orta/Yüksek Düşük + MCL + 10-2-10-1 - Orta Yüksek Kısmen Wi-Fi + 1-10 20-50 Orta/Düşük Düşük + RFID + 10-1-1 1-10 Düşük Düşük + Bluetooth + 1-10 1-30 Düşük Düşük +

Literatürde birçok çalışmada konumlandırma sistemleri çeşitli parametreler bazında karşılaştırılmıştır. Tam bir değerlendirme yapmak mümkün olmasa da bunlardan doğruluk, kapsama alanı, maliyet, karmaşıklık ve kullanım yeri parametrelerine göre yapılan karşılaştırmalar ortak bir zeminde kesişmektedir [109]. Kamera, kızılötesi, ultrasonik, Wi-Fi, RFID ve bluetooth tabanlı konumlandırma sistemlerinin uygulamaya özel kısıtlar da göz önünde bulundurularak yapılan karşılaştırma sonuçları Tablo 1.1’de verilmiştir.

Konumlandırma sisteminin doğruluğu etkileyen çok sayıda faktör olması ve aynı sistemin bu etkiler altında farklı seviyelerde performans göstermesinden dolayı doğruluk parametresi bir aralık olarak verilmiştir.