Dissertação

{pt_PT=Vision-Aided Complementary Filters for Attitude and Position Estimation of UAVs} {} EVALUATED

{pt=Esta dissertação aborda o projeto de duas arquiteturas de navegação inercial (INS) e visual baseadas em Filtros de Kalman complementares para estimação de posição e orientação, com aplicação a quadricópteros, em ambientes sem acesso a GPS. Recorrendo a medidas inerciais, vetores de observações e posicionamento por marcas, os filtros complementares propostos fornecem estimativas de orientação em representação de Euler e de posição relativa a um referencial inercial. Ambas as arquiteturas compartilham o mesmo filtro de orientação, o qual estima ângulos de Euler e polarizações na velocidade angular, explorando um modelo de ruído do giroscópio. Na primeira arquitetura estimam-se posição e polarização das velocidades. A segunda arquitetura apresenta estimativas de posição, velocidades e polarização da aceleração do veículo. Derivam-se propriedades de estabilidade e desempenho para condições operacionais recorrendo a teoria de Lyapunov e detalha-se o procedimento de ajuste de parâmetros dos filtros no domínio da frequência. Requisitos no desempenho computacional foram prioridade em ambos os sistemas de navegação e, principalmente no algoritmo de visão, tornando-o adequado para hardware de baixo custo disponível no mercado. Resultados experimentais obtidos em tempo real são apresentados e discutidos, com ambas as soluções propostas a bordo de um AR.Drone 2.0, usando duas diferentes plataformas de comunicação via Simulink. Os cálculos computacionais são providenciados por um computador externo conectado ao drone em tempo real na primeira plataforma de comunicação. Na segunda, as arquiteturas propostas são executadas em tempo real integralmente a bordo do processador do veículo., en=This thesis presents two navigation systems based on Kalman complementary filtering for position and attitude estimation, with an application to Unmanned Air Vehicles (UAVs), in denied Global Positioning System (GPS) areas. Resorting to inertial measurements, vector observations and landmarks positioning, the proposed complementary filters provide attitude estimates resorting to Euler angles representation and position estimates relative to a fixed inertial frame. Both architectures share the same attitude filter, which estimates the Euler angles and rate gyro bias by exploiting a gyroscope noise model. In the first architecture, position and body velocity bias are estimated. The second architecture provides estimates on position, body velocities and acceleration bias. Stability and performance properties for the operating conditions are derived by Lyapunov theory and the procedure tuning of the filters' parameters in the frequency domain is detailed. Requirements on low computational burden were a priority in both the navigation system and especially in the vision algorithm, making it suitable for off-the-shelf hardware. Experimental results obtained in real time with an implementation of the proposed solutions with an AR.Drone 2.0 using two different built-in Simulink platforms are presented and discussed. The computation is provided by a laptop connected with the UAV in real time for the first approach. In the second, the proposed architectures run in real time fully onboard of the vehicle's processor.}
{pt=Sistemas de Navegação, Filtros de Kalman Complementares, Quadrirotor, Estabilidade, Lyapunov, Sensores de Visão, en=Navigation Systems, Complementary Kalman Filters, UAV, Stability, Lyapunov, Vision Sensors}

Junho 27, 2019, 16:0

Orientação

ORIENTADOR

Paulo Jorge Coelho Ramalho Oliveira

Departamento de Engenharia Mecânica (DEM)

Professor Associado

ORIENTADOR

Carlos Baptista Cardeira

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar