State estimation of aerial vehicles flying near the ground
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Tese de doutorado
Título alternativo
Primeiro orientador
Membros da banca
Leonardo Antônio Borges Tôrres
Guilherme Vianna Raffo
João Yoshiyuki Ishihara
Marco Henrique Terra
Guilherme Vianna Raffo
João Yoshiyuki Ishihara
Marco Henrique Terra
Resumo
Autonomous vehicles represent an enormous technological advance. Nevertheless, the
road toward a completely autonomous vehicle platform is still being drawn, containing
numerous challenges that involve control, guidance, and state estimation. Among the
vehicle systems, the state estimation systems are vital components for self-guided vehicles,
since they provide information used by guidance and control systems. However, estimating
the vehicle states is not a trivial task, especially for those operating near the ground in
the presence of vegetation, buildings, and mountains, where degradation or even the
absence of the signal from global navigation systems, such as GPS, directly interferes in
the estimation. In addition, for vehicles that perform aggressive maneuvers and have the
ability to perform 6-degree of freedom movements, the problem is even more challenging.
In this context, this thesis addresses the problem of state estimation of mobile systems
operating near the ground, which presents the difficulties mentioned above, but also allows
for the use of different sensors, such as cameras and LiDARs. Special attention is given to
air vehicles equipped with such sensors, in which velocity, position, and orientation are the
main states to be estimated. Taking into account the nonlinear nature of the system, new
unscented Kalman filter-based sensor fusion algorithms are proposed to robustly merge
heterogeneous sensor data and still maintain the constraint of unitary norm imposed
on the unit quaternion representation of the vehicle attitude. Being able to adapt to
uncertainty time variations in sensor data, the proposed algorithms can mitigate the
effects of unknown measurement errors thus providing a good estimation of the states.
Several experimental results with air vehicles in situations of time-varying measurement
uncertainty, which include a race airplane equipped with camera performing acrobatic
maneuvers and a quadrotor equipped with planar LiDAR flying in a dense forest, are
presented.
Abstract
Veículos autônomos representam um grande avanço tecnológico. No entanto, o caminho
para alcançar plataformas completamente autônomas ainda está sendo traçado, contendo
inúmeros desafios que envolvem as áreas de controle, guiagem e estimação de estados. Entre os sistemas do veículo, os sistemas de estimação de estados são componentes vitais em
um veículo auto-guiado, uma vez que esses provem a informação utilizada pelos sistemas
de guiagem e controle. Contudo, estimar os estados de veículos móveis não é uma tarefa
trivial, principalmente para aqueles que operam próximo ao solo, onde a degradação ou
até mesmo a ausência do sinal de sistemas de navegação global, como o GPS, interferem
diretamente na estimação. Além disso, para veículos que executam manobras agressivas e
têm a possibilidade de realizar movimentos com 6 graus de liberdade, o problema é ainda
mais desafiador. Neste contexto, esta tese aborda o problema de estimação de estados de
sistemas móveis operando próximos ao solo, que apresentam as dificuldades mencionadas
acima, mas também permitem o uso de diferentes tipos de sensores, tais como câmeras
e LiDAR. Grande atenção é dada a veículos aéreos equipados com tais sensores, sendo a
velocidade, posição e orientação os principais estados a serem estimados. Considerando a
natureza não linear do sistema, novos algoritmos de fusão sensorial baseados no filtro de
Kalman unscented são propostos para combinar dados de sensores heterogêneos de forma
robusta e ainda manter a restrição de norma unitária imposta na representação baseada
em quatérnios unitários da atitude do veículo. Sendo capazes de se adaptar a variações
das incertezas dos dados sensoriais, os algoritmos propostos conseguem mitigar os efeitos
de erros de medição desconhecidos de forma a apresentar uma boa estimativa dos estados. Vários resultados experimentais com veículos aéreos em situações de incerteza na
medição variantes no tempo, incluindo um avião de corrida equipado com câmera realizando manobras acrobáticas e um quadrirrotor equipado com sensor LiDAR voando em
uma floresta densa, são apresentados
Assunto
Engenharia elétrica, Kalman, Filtragem de, Quatérnios, Veículos autônomos
Palavras-chave
Nonlinear state estimation, Unit quaternion, Unscented Kalman filter, Adaptive state estimation, Aerial vehicles, Measurement failure