Smoothing and Mapping of an Unmanned Aerial Vehicle Using Ultra-wideband Sensors
| Autor: | Strömberg, Erik |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2017 |
| Předmět: | |
| Druh dokumentu: | Text |
| Popis: | Unmanned Aerial Vehicles (UAV), in particular the four-rotor quadrotor, aregaining wide popularity in research as well as in commercial and hobbyist applications.Maneuvrability, low cost, and small size make quadrotors an attractiveoption to full-scale, manned helicopters while opening up new possibilities.These include applications where full-scale helicopters are unsuitable, such ascooperative tasks or operating indoors.Many UAV systems use the Global Positioning System (GPS), IMU (InertialMeasurement Unit) sensors, and camera sensors to observe the UAV’sstate. Depending on the application, different methods for observing the statesare suitable. Outdoors, GPS is available and widely used and in cluttered environmentson-board cameras can be the best choice. Controlled lab environmentsoften use external cameras to track the quadrotor. Most applications make useof the IMU in their implementations, most commonly the gyroscope for attitudeestimation.In this thesis, several external ultra-wideband (UWB) radio sensors are usedto measure the distance between individual sensors and a quadrotor. The rangemeasurements are fused with acceleration and angular velocity measurementsfrom an Inertial Measurement Unit to estimate the quadrotors position andattitude. An ultra-wideband sensor is cheap and does not require line-of-sightor heavy equipment mounted on the quadrotor. The drawback of UWB-basedpositioning is that it requires the assumption of known sensor locations in orderto calculate the distance between sensor and UAV. This thesis aims to removethis assumption by estimating the quadrotor’s and the sensors’ position simultaneoslyusing the Smoothing and Mapping (SAM) technique.The Georgia Tech Smoothing and Mapping (GTSAM) framework providesthe incremental Smoothing and Mapping implementation, used for estimationof both the quadrotor’s position and attitude, and the sensors’ position. The InertialMeasurement Unit is handled by the state of the art IMU factor, includedin GTSAM.The system is evaluated with and without prior knowledge of the sensorpositions, using recorded flight data from a Crazyflie quadrotor and six LocoPositioning Node sensors. The results show that the system is able to trackthe UAV’s position and attitude with acceptable errors. The error in estimatedsensor position is too large to be satisfactory, Based on the results several topicsfor future work are proposed. Obemannade luftfarkoster (UAV), i synnerhet den fyra rotorer försedda quadrotorn,har vunnit en bred populäritet inom så väl forskningen som för kommersiellaoch hobbyapplikationer. Manövrerbarhet, låg kostnad och en liten storlekgör quadrotorerna till ett attraktiv alternativt till fullskaliga, bemannade helikoptrar.Samtidigt öppnar de upp för nya applikationer där konventionellaluftfarkoster inte är lämpade, såsom att samarbeta eller flyga inomhus.Beroende på applikation är olika metoder för att lokalisera quadrotorn lämpliga.Utomhus är det globala positions systemet (GPS) tillgängligt och vidaanvänt, och i utrymmen med hinder passar det bra med kamerasensorer sommonteras på farkosten. I kontrollerade miljöer, såsom i laboratorium, användsofta externa kameror för att följa quadrotorn. De flesta implementationer hargemensamt att de använder mätningar från en tröghetsmätningsenhet (IMU).I det här arbetet används flera externa ultrabredbandiga radioenheter (UWB)som sensorer för att mäta avståndet mellan sensorerna och quadrotorn. Avståndsmätningarnaläggs samman med uppmätt acceleration och vinkelhastighetfrån en IMU för att uppskatta quadrotorns position och orientering. Radiosensornär billig, kräver inte fri sikt mellan sensor och quadrotor och ej hellerannan tung utrustning monterad på quadrotorn. Nackdelen är att sensorernaspositioner måste vara kända för att kunna beräkna avståndet. Det här arbetethar som mål att ta bort behovet genom att uppskatta quadrotorns och sensorernasvardera positioner samtidigt genom att använda metoden utjämning ochkartläggning (SAM).Mjukvaruramverket Georgia Tech Smoothing and Mapping (GTSAM) tillhandahålleren inkrementell utjämning och kartläggningsimplementation somhär används för att uppskatta quadrotorns position och orientering samt sensorernaspositioner. Tröghetsmätningsenheten hanteras av den toppmodernaIMU-faktorn som ingår i GTSAM.Systemet utvärderas såväl utan som med tidigare vetskap om sensorernaspositioner. Inspelad data är inhämtad från verkliga flygningar med quadrotornCrazyflie och sex stycken Loco Positioning Node-sensorer. Resultaten visar attsystemet kan estimera position och orientering med godtagbart fel när sensorernasinitiala position är okänd. Felet i den uppskattade sensorpositionen ärdäremot för stort för att vara tillfredsställande. Baserat på dessa resultat drasen slutsats och flera områden för fortsatta studier föreslås. |
| Databáze: | Networked Digital Library of Theses & Dissertations |
| Externí odkaz: |
|