FenixEdu™

Dissertação

{pt_PT=VisDrone Controlo de Drones Através de Visão} {} EVALUATED

Detalhes: {pt=O objectivo desta dissertação consiste na implementação de um programa de controlo que possibilite que um drone consiga aterrar numa plataforma móvel, de forma autónoma, utilizando apenas os sensores locais (câmaras e unidade IMU). Para avaliar o desempenho da arquitectura proposta, é feita uma comparação com outras arquitecturas de controlo já existentes (feedforward e feedback). O trabalho está dividido em três partes principais. Primeiro, a identificação e dimensionamento do sistema, que inclui o controlador e os modelos directo e inverso da dinâmica do drone. Na segunda parte é desenvolvido o módulo de auto-localização do drone e da geração da trajectória. A auto-localização é feita através do cálculo da odometria com os sensores locais. A trajectória é calculada tendo em conta a dinâmica do drone, mas inclui ainda um módulo de suavização (Min Jerk) para evitar problemas de saturação e garantir uma trajectória suave. A terceira parte é responsável pelo reconhecimento visual e estimação da posição do alvo (plataforma de aterragem). O reconhecimento é feito através da detecção de um marcador (ArUco) colocado na plataforma, pelas câmaras do drone. Com base nos testes executados, concluiu-se que o objectivo de controlar o drone para aterrar numa base móvel de forma autónoma foi cumprido, com reduzido erro, até certos valores de velocidade de movimento da base., en=The objective of this dissertation consists in the implementation of a control program for drones that makes it possible for them to land in a moving platform, in an autonomous way, using only the onboard sensors (cameras and IMU unit). To evaluate the performance of the proposed architecture, a comparison with other existing control architectures (feedforward and feedback) is conducted. The work is divided into three main sections. In the first part, there’s the identification and dimensioning of the system which includes the controller and the direct and inverse models for the drone’s dynamic. In the second part, the self-localization of the drone and its trajectory generation modules are developed. The self-localization is obtained through the calculation of the odometry, using the local sensors. The trajectory is calculated while having in consideration the drone’s dynamic and it also includes a module for smoothness (Min Jerk), to avoid saturation problems and guarantee a peak-free trajectory. The third part is responsible for the visual recognition and position estimation of the target (landing platform). The recognition is done by the detection of a marker (ArUco), which is placed on the platform, by the drone’s cameras. Based on tests performed, it was concluded that the objective of controlling a drone and landing it on a moving platform in an autonomous way was achieved, with a small amount of errors up to a certain value of base movement velocity. Keywords}
Keywords: {pt=Controlador PD, Drone Quadcopter, Odometria Visual, Trajectória Min Jerk, marcador ArUco, en=PD controller, Quadcopter Drone, Visual Odometry, Min Jerk Trajectory, ArUco marker}

Discussão: junho 20, 2018, 10:0