Desenvolvimento de sistema de estimação de posição empregando filtro de Kalman e GPS/INS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/130179 |
Resumo: | Estimadores de posição que empregam técnicas de filtro de Kalman são amplamente utilizados para solucionar o problema de localização e orientação espacial em robótica. No entanto, a estimação de posição e orientação em veículos e aeronaves se torna um desafio, visto o nível de incertezas que cercam as informações que são possíveis de serem coletadas para tal. Neste trabalho é apresentado o desenvolvimento de uma plataforma para estimação de posição de um veículo aéreo não tripulado utilizando o filtro de Kalman para estimar a posição e orientação. O mesmo realiza esta tarefa através da aquisição de dados de um receptor GPS e de sensores inerciais como acelerômetros e giroscópios. O projeto foi executado visando a utilização de componentes de baixo custo e baixa complexidade computacional. Para a validação e análise do conceito, testes foram realizados em um veículo terrestre, iniciando pela coleta de dados de leitura dos sensores inerciais, bem como do receptor GPS durante um percurso sobre área urbana. Em seguida, os dados coletados foram tratados com o objetivo de se remover o bias dos sensores. Por fim, os dados tratados foram processados de maneira off-line para se obter a saída do algoritmo do filtro de Kalman. Variáveis como posição, velocidade e orientação sobre o plano foram os estados deste estimador. A vantagem da utilização da técnica de filtragem de Kalman fica evidenciada ao se comparar os resultados das técnicas de navegação via satélite e navegação inerciais em separado com o resultado da fusão das técnicas com o filtro de Kalman. |
id |
UFRGS-2_eb9ba92501c32a74936d132d7989b2c5 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/130179 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Traesel, Felipe AndréFernandes, Pedro Rafael Bolognese2015-11-24T02:44:30Z2014http://hdl.handle.net/10183/130179000976183Estimadores de posição que empregam técnicas de filtro de Kalman são amplamente utilizados para solucionar o problema de localização e orientação espacial em robótica. No entanto, a estimação de posição e orientação em veículos e aeronaves se torna um desafio, visto o nível de incertezas que cercam as informações que são possíveis de serem coletadas para tal. Neste trabalho é apresentado o desenvolvimento de uma plataforma para estimação de posição de um veículo aéreo não tripulado utilizando o filtro de Kalman para estimar a posição e orientação. O mesmo realiza esta tarefa através da aquisição de dados de um receptor GPS e de sensores inerciais como acelerômetros e giroscópios. O projeto foi executado visando a utilização de componentes de baixo custo e baixa complexidade computacional. Para a validação e análise do conceito, testes foram realizados em um veículo terrestre, iniciando pela coleta de dados de leitura dos sensores inerciais, bem como do receptor GPS durante um percurso sobre área urbana. Em seguida, os dados coletados foram tratados com o objetivo de se remover o bias dos sensores. Por fim, os dados tratados foram processados de maneira off-line para se obter a saída do algoritmo do filtro de Kalman. Variáveis como posição, velocidade e orientação sobre o plano foram os estados deste estimador. A vantagem da utilização da técnica de filtragem de Kalman fica evidenciada ao se comparar os resultados das técnicas de navegação via satélite e navegação inerciais em separado com o resultado da fusão das técnicas com o filtro de Kalman.Position estimators based on the Kalman filter are widely used in solving spatial position and orientation problems in robotics. However, the position and orientation estimation for land-vehicles and aircrafts becomes a challenge, seen the amount of uncertainty that surrounds the information possible to be collected. In this work, the development of a platform for position estimator for unmanned aerial vehicles utilizing Kalman filter to estimate the position and orientation is presented. The estimation will be achieved through data acquisition of a GPS receiver and inertial sensors like accelerometers and gyroscopes. The project execution aimed on low costs components and low computational complexity. For analysis and concept validation, tests were realized with a land-vehicle, starting with the inertial sensor’s data collected, as well as the GPS receiver, through an urban path. Next, the collected data were treated aiming the removal of sensor biases. Last, all the data were processed offline. Position, velocity and orientation were the state variables of this estimator. The advantage of using the Kalman filter techniques is evident when comparing the results of satellite navigation and inertial navigations separately against the results of Kalman filter fusion techniques.application/pdfporEngenharia de controle e automaçãoPosition estimationKalman filterUnmanned aerial vehicleDesenvolvimento de sistema de estimação de posição empregando filtro de Kalman e GPS/INSDesenvolvimento de sistema de estimação de posição empregando filtro de Kalman e Global Positioning System, Inertial Navigation System info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2014Engenharia de Controle e Automaçãograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000976183.pdf000976183.pdfTexto completoapplication/pdf1936402http://www.lume.ufrgs.br/bitstream/10183/130179/1/000976183.pdf465dbc02e358d7a41f71b3ecf3bc7071MD51TEXT000976183.pdf.txt000976183.pdf.txtExtracted Texttext/plain108755http://www.lume.ufrgs.br/bitstream/10183/130179/2/000976183.pdf.txtaeb0fb200d29f9cc6616d334f248f8c5MD52THUMBNAIL000976183.pdf.jpg000976183.pdf.jpgGenerated Thumbnailimage/jpeg1258http://www.lume.ufrgs.br/bitstream/10183/130179/3/000976183.pdf.jpg732c8a329c02a64bea2cb19ec60a4c4fMD5310183/1301792018-10-25 09:22:18.065oai:www.lume.ufrgs.br:10183/130179Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-25T12:22:18Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Desenvolvimento de sistema de estimação de posição empregando filtro de Kalman e GPS/INS |
dc.title.alternative.pt_BR.fl_str_mv |
Desenvolvimento de sistema de estimação de posição empregando filtro de Kalman e Global Positioning System, Inertial Navigation System |
title |
Desenvolvimento de sistema de estimação de posição empregando filtro de Kalman e GPS/INS |
spellingShingle |
Desenvolvimento de sistema de estimação de posição empregando filtro de Kalman e GPS/INS Traesel, Felipe André Engenharia de controle e automação Position estimation Kalman filter Unmanned aerial vehicle |
title_short |
Desenvolvimento de sistema de estimação de posição empregando filtro de Kalman e GPS/INS |
title_full |
Desenvolvimento de sistema de estimação de posição empregando filtro de Kalman e GPS/INS |
title_fullStr |
Desenvolvimento de sistema de estimação de posição empregando filtro de Kalman e GPS/INS |
title_full_unstemmed |
Desenvolvimento de sistema de estimação de posição empregando filtro de Kalman e GPS/INS |
title_sort |
Desenvolvimento de sistema de estimação de posição empregando filtro de Kalman e GPS/INS |
author |
Traesel, Felipe André |
author_facet |
Traesel, Felipe André |
author_role |
author |
dc.contributor.author.fl_str_mv |
Traesel, Felipe André |
dc.contributor.advisor1.fl_str_mv |
Fernandes, Pedro Rafael Bolognese |
contributor_str_mv |
Fernandes, Pedro Rafael Bolognese |
dc.subject.por.fl_str_mv |
Engenharia de controle e automação |
topic |
Engenharia de controle e automação Position estimation Kalman filter Unmanned aerial vehicle |
dc.subject.eng.fl_str_mv |
Position estimation Kalman filter Unmanned aerial vehicle |
description |
Estimadores de posição que empregam técnicas de filtro de Kalman são amplamente utilizados para solucionar o problema de localização e orientação espacial em robótica. No entanto, a estimação de posição e orientação em veículos e aeronaves se torna um desafio, visto o nível de incertezas que cercam as informações que são possíveis de serem coletadas para tal. Neste trabalho é apresentado o desenvolvimento de uma plataforma para estimação de posição de um veículo aéreo não tripulado utilizando o filtro de Kalman para estimar a posição e orientação. O mesmo realiza esta tarefa através da aquisição de dados de um receptor GPS e de sensores inerciais como acelerômetros e giroscópios. O projeto foi executado visando a utilização de componentes de baixo custo e baixa complexidade computacional. Para a validação e análise do conceito, testes foram realizados em um veículo terrestre, iniciando pela coleta de dados de leitura dos sensores inerciais, bem como do receptor GPS durante um percurso sobre área urbana. Em seguida, os dados coletados foram tratados com o objetivo de se remover o bias dos sensores. Por fim, os dados tratados foram processados de maneira off-line para se obter a saída do algoritmo do filtro de Kalman. Variáveis como posição, velocidade e orientação sobre o plano foram os estados deste estimador. A vantagem da utilização da técnica de filtragem de Kalman fica evidenciada ao se comparar os resultados das técnicas de navegação via satélite e navegação inerciais em separado com o resultado da fusão das técnicas com o filtro de Kalman. |
publishDate |
2014 |
dc.date.issued.fl_str_mv |
2014 |
dc.date.accessioned.fl_str_mv |
2015-11-24T02:44:30Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/130179 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000976183 |
url |
http://hdl.handle.net/10183/130179 |
identifier_str_mv |
000976183 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/130179/1/000976183.pdf http://www.lume.ufrgs.br/bitstream/10183/130179/2/000976183.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/130179/3/000976183.pdf.jpg |
bitstream.checksum.fl_str_mv |
465dbc02e358d7a41f71b3ecf3bc7071 aeb0fb200d29f9cc6616d334f248f8c5 732c8a329c02a64bea2cb19ec60a4c4f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224493288390656 |