Dissertação
{en_GB=Simultaneous Localization and Mapping with Moving Object Tracking for Drones} {} EVALUATED
{pt=Esta tese aborda o problema de localização e mapeamento simultâneos com seguimento de objetos em movimento (SLAMMOT) com aplicação em veículos aéreos não tripulados, quando inseridos em ambientes dinâmicos e com comportamentos não determinísticos. Na primeira parte desta dissertação é apresentada a formulação de um filtro num referencial inercial como solução para o problema de SLAMMOT. A solução proposta incluí a implementação de uma versão modificada de um algoritmo de seguimento de múltiplas hipóteses para a associação dos dados adquiridos, o uso de um método de interação de múltiplos modelos para a deteção e seguimento de objetos em movimento (MO), e a fusão de dados é realizada utilizando um filtro de Kalman extendido, devido ao comportamento não linear das dinâmicas do sistema considerado. A consistência e desempenho deste filtro são demonstrados com resultados de simulação, que são depois validados com resultados experimentais, obtidos utilizando um quadrotor equipado com uma câmara com medidas de profundidade. Na segunda parte da tese é apresentada a formulação de um novo filtro no espaço do sensor como solução para o problema de SLAMMOT, que se baseia nos mesmos métodos para associação de dados, deteção e seguimento de MO. No entanto, visto que o filtro é descrito no espaço do sensor, num referencial solidário com o veículo, as dinâmicas do sistema são formuladas de modo a serem consideradas lineares, pelo que é usado um filtro de Kalman para a fusão de dados. A convergência e a eficácia deste filtro são confirmadas com resultados da simulação., en=This thesis addresses the problem of simultaneous localization and mapping with moving object tracking (SLAMMOT) with application to unmanned aerial vehicles in uncertain and dynamic environments. The first part of the thesis presents the formulation and design of an inertial-based filter for the SLAMMOT problem. The proposed solution includes the implementation of a modified version of the multiple hypothesis tracking method for data association of the environment's objects, the use of the interacting multiple model algorithm for detection and tracking of moving objects (MO), and data fusion is performed using an extended Kalman filter, as a result of the nonlinear kinematics of the system. The consistency and performance of the devised SLAMMOT filter are successfully confirmed with both simulation and experimental results, using an instrumented quadrotor equipped with an RGB-D camera. The second part of the thesis presents the formulation and design of a novel sensor-based filter for the SLAMMOT problem, that builds on the same methods for data association, detection, and tracking of MO. However, due to the sensor-based approach, the system dynamics are formulated in such a way that can be regarded as linear for filter design purposes, from which a Kalman filter is applied for data fusion. The convergence and effectiveness of the devised SLAMMOT filter are successfully confirmed with simulation results.}
dezembro 18, 2019, 14:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar
