FenixEdu™

Dissertação

{pt_PT=Unified cooperative localization and tracking in micro aerial vehicles} {} EVALUATED

Detalhes: {pt=Neste trabalho, propõe-se uma solução para resolver o problema completo de localização e seguimento cooperativo. Este problema consiste em localizar simultaneamente robôs e objetos que estes estão a seguir. A solução proposta usa uma abordagem online, descentralizada e unificada baseada em filtros de partículas, sendo uma extensão a um algoritmo já existente denominado de PF-UCLT. No algoritmo desenvolvido, PF-UCLT é generalizado para o caso de veículos aéreos de reduzidas dimensões - ao invés de apenas robôs no solo - a seguir vários objetos - ao invés de um único objeto. O algoritmo desenvolvido é escalável com o número de robôs e com o número de objetos a ser seguidos. Este método não precisa de um aumento no número de partículas quando o número de robôs e alvos aumenta, mas apenas de um aumento no número de subparticulas dos robôs e objetos seguidos. Os requisitos relativos à complexidade de espaço e tempo são reduzidos de um crescimento exponencial para um crescimento linear em relação ao número de robôs e alvos quando se pretende manter um determinado nível de precisão na estimativa das posições dos robôs e alvos. Através de um conjunto de experiências é demonstrada a correção e a eficiência do algoritmo desenvolvido, mostrando que ele pode ser um potencial algoritmo para o uso diário em cenários onde vários robôs estão envolvidos., en=In this work, it is proposed a solution to solve the full Cooperative Localization and Tracking (CLT) problem. The full CLT problem consists in simultaneously self-localizing multiple robots and tracking multiple targets. The solution proposed uses an online, decentralized and unified approach based on particle filters and is an improvement of an already existing algorithm named PF-UCLT. In the developed algorithm, PF-UCLT is generalized to the case of multiple micro aerial vehicles - instead of ground-robots - tracking multiple objects - instead of a single object. The developed algorithm is scalable with both the number of robots and number of objects being tracked. This method does not need an increase in the number of particles with respect to the number of robots and targets, only of the number of robot and target subparticles. The space and time complexity requirements growth is then reduced from exponential to linear with respect to both the number of robots and targets in order to maintain a given level of accuracy in the full state estimation. Through a set of experiments on a large number of randomized datasets it is demonstrated the correctness and efficiency of the developed algorithm, showing that it can be a potential algorithm for everyday use in multi-robot scenarios.}
Keywords: {pt=filtro de partículas, fusão de sensores, localização cooperativa, seguimento cooperativo, veículos aéreos, en=cooperative localization, cooperative tracking, micro aerial vehicles, particle filter, sensor fusion}

Discussão: dezembro 3, 2020, 14:0