In the area of mobile robotics Simultaneous Localization and Mapping (SLAM) is a challenging problem. In the literature, there are many solutions to this problem for single robots. However, multi-robot SLAM is a relatively new topic, which has additional issues, such as communication, task sharing and map merging. This thesis takes map merging as its focus and this is examined in terms of the specifications for the unknown initial positions of robots. In the map-merging scenario, every robot localizes itself and generates maps individually and the generated local maps of each robot are shared with other robots. This information sharing can be achieved within different architectures. A distributed approach is used in the study reported in this thesis. This approach does not need a fully connected communication network and a central unit to accumulate the information. This thesis examines the map-merging problem of multi robot SLAM though different approaches in literature. The single robot SLAM problem is solved with Compressed Extended Kalman Filter. The challenging part of map merging is the problem of the unknown initial position is solved with map similarity algorithms, the Delaunay Triangulation and triangle similarity metric. The stochastic search of global transformation matrix is undertaken applying the Random Sample Consensus, which is used for estimation of the transformation between the individual maps created by the robots. In the final step, the overlapping regions of the transferred maps are merged with different algorithms such as Maximum Likelihood, M-Estimator and Covariance Intersection. For experimental purposes, an open code simulator for the multi robot SLAM is implemented. Finally, each algorithm is examined under different scenarios and their performance analyses in relation to simulated and real world datasets, are presented in Chapter 5, which contains the details of the experiments.

Eş Zamanlı Konumlandırma ve Haritalama (SLAM) problemi robotik alanının zorlu bir problemidir. Literatürde, bu sorunun tek robot için birçok çözümü bulunmatadır. Fakat, çoklu robot SLAM nispeten daha yeni bir konudur. Bu problem iletişim, görev paylaşımı ve harita birleştirme gibi ekstra konuları içermektedir. Harita birleştirme bu tezin ana konusudur, ve bilinmeyen ilk robot pozisyonları kısıtı altında incelenmiştir. Bu senaryoda her robot kendini konumlandırır ve haritalama yapar. Sonrasında oluşan haritalar diğer robotlar ile paylaşılır. Bu paylaşım farklı mimariler ile gerçeklenebilir. Bu çalışmada tam bağlı komünikasyon ağı ve merkezi bir işleme birimine ihtiyaç duymayan, dağınık mimari kullanılmıştır.Bu tezde, çoklu robot uygulamalarında literatürdeki farklı harita birleştime yöntemleri detaylı incelenmiştir. Tek robot SLAM problemi Sıkıştırılmış Genişletilmiş Kalman Filtre (CEKF) algoritması ile çözülmüştür. Dağınık mimarilerde harita birleştimenin zor bir bölümü olan bilinmeyen ilk robot pozisyonları sorunu haritalar arası benzerlik bulap, ve bu benzerlik üzerinden haritalar arasındaki dönüşüm matrisi bulunarak çözülmüştür. Delanuay Üçgenleme yöntemi harita yapısından geometrik özellikler çıkararak, ve bu üçgenler üzerinden benzerlik hesaplanarak, haritalar arası benzer alanlar çıkarılmıştır. Bu benzer alanlar kullanılarak dönüşüm matrisi RANSAC algoritması kullanılarak aranmıştır. Son olarak haritalar bulunan matris ile aynı koordinat düzlemine taşınmış ve örtüşen bölgelerideki aynı sınır işaretleri Maximum Likelihood, Değiştirilmiş M-Tahminleyici ve Kovaryans Kesişimi (CI) algorithmaları ile birleştirilmiştir. Açık kaynak kodlu çoklu robot SLAM simülatörü gerçeklenmiş ve deneylerde kullanılmıştır. Son olarak, algoritmalar similasyon ve gerçek harita verileri kullanılarak değişik senaryolar ile incelenmiş, ve performans analizleri deneyler ve çıkarımlar bölümünde sunulmuştur.