عنوان پایاننامه
تخمین موقعیت پرنده بدون سرنشین چهار پره بر پایه روش ناوبری اسلم
- رشته تحصیلی
- مهندسی هوا فضا - دینامیک پرواز و کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 284261;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 69115
- تاریخ دفاع
- ۱۰ تیر ۱۳۹۴
- دانشجو
- محسن محمودی منش
- استاد راهنما
- شاهرخ شمس, محمد علی امیری آتشگاه
- چکیده
- چکیده توسعه روز افزون ماموریتهای خاص هوایی و ضرورت تامین ایمنی و اعتمادپذیری آنها ایجاب مینماید که از روشهایی خاص، جهت ناوبری آنها بهرهگیری شود که نسبت به اقدامات خرابکارانه مقاوم بوده و هزینههای کمتری نیز داشته باشد. برای این منظور یکی از گامهای اصلی در این زمینه، تخمین موقعیت پرنده بر پایه روش ناوبری اسلم است که امروزه زمینههای کاربردی فراوانی جهت ناوبری در ربات زمینی یافته است. این سامانه ناوبری، به صورت غیرفعال بوده و عوامل محیطی تاثیر چندانی بر عملکرد آن ندارد. همچنین سامانه فوق برای استفاده در محیطهای ناشناخته به خوبی میتواند عمل نماید؛ زیرا نقشه مکان مورد نظر را ایجاد مینماید و ناوبری را بر اساس نقشه محیط ایجادشده انجام میدهد. در این پایاننامه به بررسی عملکرد این روش بر روی رباتهای پرنده چهارپره میپردازیم؛ که بر اساس ویژگیهای خاصی از جمله: ساختمان ساده، سبک بودن، ارزان بودن و قابلیتهای پروازی عمودی هر روزه دارای کاربردهای بیشتری میشوند و بحث روز تحقیقات دانشگاهی میباشند. بنابراین این سامانه ناوبری برای ربات پرنده چهارپره به نظر کارآمد میآید. به دلیل افزایش کارایی و کاربرد دوربینها و افزایش قدرت پردازشی آنها، در این تحقیق از یک حسگر بینایی برای روش اسلم استفاده میشود. به دلیل غیرخطی بودن سیستم،در این تحقیق از یک فیلتر کالمن توسعه یافته جهت تعیین موقعیت وسیله پرنده و تولید نقشه محیط استفاده میگردد. هدف از این تحقیق در قدم اول شبیه سازی کنترل در حلقه ربات پرنده در یک محیط نرم افزاری مجازی و ایجاد دادههای پروازی است. سپس با قرار دادن یک دوربین تک چشمی در سامانه شبیهسازی از محیط ایجاد شده سری تصاویر مورد نیاز حلقه تخمین به عنوان دادههای ورودی روش ناوبری اسلم به همراه متغیرهای شبیهسازی استفاده میشود. در گام بعد نتایج تخمین روش ناوبری اسلم تکدوربینی با دادههای پروازی که از شبیهساز بدست آمده است مقایسه می گردد. به طور خلاصه با توجه به نتایج حاصل از تحقیق روش ناوبری اسلم، تخمین موقعیت و سرعت یک ربات پرنده با دوربین رو به جلو در یک محیط کاملا ناشناخته، نتایج قابل قبولی ارائه مینماید. اما در تخمین ارتفاع و موقعیت زاویهای چندان موفق نیست. کلمات کلیدی: موقعیتیابی تصویری- اسلم تکدوربینی- فیلتر کالمن توسعه یافته- پرنده چهارپره- شبیه سازی پروازی. فهرست مطالب
- Abstract
- ABSTRACT Flight safety together with cost considerations in aerial missions and applications imposing a robust and cost-effective navigation method to be exploited. Visual navigation system has been a widely-used method for estimation of position, velocity and attitude (PVA) of robots. Moreover, leaning on Visual-SLAM as an innovative navigation approach in aerial robots, has been increased in the last couple of years. Visual navigation systems are passive and also robust under jamming actions. Another benefit of a Vision-Based navigation System is that because of capability of generation of the map of mission area, it is possible to be implemented in an unknown environment. In this research, we concentrate on the VisualMonoSLAM for a Quad-Copter which enjoys from a light, low cost and uncomplicated structural mechanisms and also vertical flight capability. Because of nonlinear behavior of the system, here we use the Extended Kalman Filter for implementation of the VisualMonoSLAM. For shrinking costs of the tests, we have implemented the method in a virtual environment. In this regard, firstly, the related Virtual Environment containing a 6DOF simulation of the vehicle and the related controller is setup. The outcomes of this package are image sequences based on a pinhole camera as a vision sensor and also reference path/trajectory data. Secondly the related MATLAB based Visual-MonoSLAM is developed and incorporated to the virtual tools. At the end, the results exhibit that the method enjoys from accurate position and velocity estimations of the Quad-Copter, while it suffers from inaccurate height and attitude estimations in an urban unknown environment. Key words: Visual Navigation, Mono-SLAM, Extended Kalman Filter, Quad-Copter, Flight Simulation
