Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Smoothing and Mapping of an Unmanned Aerial Vehicle Using Ultra-wideband Sensors
KTH, School of Electrical Engineering (EES), Automatic Control.
2017 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

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.

Abstract [sv]

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.

Place, publisher, year, edition, pages
2017. , p. 53
Series
TRITA-EE, ISSN 1653-5146 ; 2017:143
National Category
Electrical Engineering, Electronic Engineering, Information Engineering
Identifiers
URN: urn:nbn:se:kth:diva-215636OAI: oai:DiVA.org:kth-215636DiVA, id: diva2:1148538
Educational program
Master of Science - Systems, Control and Robotics
Available from: 2017-10-11 Created: 2017-10-11 Last updated: 2017-10-11Bibliographically approved

Open Access in DiVA

fulltext(5376 kB)156 downloads
File information
File name FULLTEXT01.pdfFile size 5376 kBChecksum SHA-512
035741ed8266882a42a9b6563a4db54ea93b28d8ca70cb3107e9f9d02874c9a6c593c0748af94371246c5090008d66b1a5cb5c356383d6192c6d37d28e755d28
Type fulltextMimetype application/pdf

By organisation
Automatic Control
Electrical Engineering, Electronic Engineering, Information Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 156 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 666 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf