Integração GPS/INS baseada em filtro de Kalman para navegação
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/35016 |
Resumo: | Navegação significa determinar a posição e a atitude de um corpo móvel em relação a um referencial ao longo do tempo. As grandezas posição, velocidade e atitude, que permitem georreferenciar esse corpo, são chamadas de estados de navegação. Já a combinação de sensores que possibilita a determinação dos estados de navegação é conhecida como sistema de navegação. A integração de sistemas de navegação busca superar a qualidade da estimativa dos estados em relação àquela obtida com qualquer um dos sistemas operando isoladamente. Para isso, tipicamente combinam-se sistemas com características complementares. Neste contexto, o presente trabalho envolveu o desenvolvimento de um sistema de navegação utilizando a integração GPS/INS por meio de dois filtros de Kalman. O primeiro é usado para estimativa de atitude, utilizando as leituras do acelerômetro, giroscópio e magnetômetro. Já o segundo é empregado para estimar a posição a partir da medição do GPS e da saída do acelerômetro. A integração GPS/INS se beneficia dos pequenos erros de estimativa do INS a curto prazo e do fato das medições do GPS não divergirem ao longo do tempo. Para validar o sistema implementado, definiu-se uma trajetória de referência, a partir de quatro pontos que foram definidos utilizando um GPS de precisão. Tal validação foi realizada em simulação e a partir de dados experimentais. Com os dados simulados a integração GPS/INS apresentou um resultado melhor que a medição do GPS isoladamente. Mais precisamente, o erro médio e a variância do erro dos valores estimados pelos filtros foram menores que os dos valores medidos. No entanto, no teste com dados reais os resultados do sistema de navegação desenvolvido ficaram abaixo do esperado. Isso ocorreu devido ao alto nível de ruídos do acelerômetro de baixo custo empregado, alinhado à dupla integração feita no modelo dinâmico do filtro de Kalman para estimativa de posição. |
id |
UFU_a200ecb41af145908ea6bc3275506bfb |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/35016 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
2022-05-09T19:10:02Z2022-05-09T19:10:02Z2022-04-11PEREIRA, Lucas Boaventura. Integração GPS/INS baseada em filtro de Kalman para navegação. 2022. 48 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Uberlândia, Uberlândia, 2022.https://repositorio.ufu.br/handle/123456789/35016Navegação significa determinar a posição e a atitude de um corpo móvel em relação a um referencial ao longo do tempo. As grandezas posição, velocidade e atitude, que permitem georreferenciar esse corpo, são chamadas de estados de navegação. Já a combinação de sensores que possibilita a determinação dos estados de navegação é conhecida como sistema de navegação. A integração de sistemas de navegação busca superar a qualidade da estimativa dos estados em relação àquela obtida com qualquer um dos sistemas operando isoladamente. Para isso, tipicamente combinam-se sistemas com características complementares. Neste contexto, o presente trabalho envolveu o desenvolvimento de um sistema de navegação utilizando a integração GPS/INS por meio de dois filtros de Kalman. O primeiro é usado para estimativa de atitude, utilizando as leituras do acelerômetro, giroscópio e magnetômetro. Já o segundo é empregado para estimar a posição a partir da medição do GPS e da saída do acelerômetro. A integração GPS/INS se beneficia dos pequenos erros de estimativa do INS a curto prazo e do fato das medições do GPS não divergirem ao longo do tempo. Para validar o sistema implementado, definiu-se uma trajetória de referência, a partir de quatro pontos que foram definidos utilizando um GPS de precisão. Tal validação foi realizada em simulação e a partir de dados experimentais. Com os dados simulados a integração GPS/INS apresentou um resultado melhor que a medição do GPS isoladamente. Mais precisamente, o erro médio e a variância do erro dos valores estimados pelos filtros foram menores que os dos valores medidos. No entanto, no teste com dados reais os resultados do sistema de navegação desenvolvido ficaram abaixo do esperado. Isso ocorreu devido ao alto nível de ruídos do acelerômetro de baixo custo empregado, alinhado à dupla integração feita no modelo dinâmico do filtro de Kalman para estimativa de posição.Navigation means determining position and attitude of a moving body in relation to a reference over time. The quantities position, velocity and attitude, which allow this body to be georeferenced, are called navigation states. The combination of sensors that makes it possible to determine navigation states is known as a navigation system. The integration of navigation systems seeks to overcome the quality of states estimation in relation to that obtained with any of the systems operating in isolation. For this, systems with complementary characteristics are typically combined. In this context, the present paper involved the development of a navigation system using GPS/INS integration through two Kalman filters. The first is used for attitude estimation, using accelerometer, gyroscope and magnetometer readings. The second is used to estimate the position from the GPS measurement and the accelerometer output. GPS/INS integration benefits from small short-term INS estimation errors and the fact that GPS measurements do not diverge over time. To validate the implemented system, a reference trajectory was defined, from four points that were defined using a precision GPS. Such validation was performed in simulation and from experimental data. With the simulated data, the GPS/INS integration presented a better result than the GPS measurement alone. More precisely, the mean error and the error variance of the values estimated by the filters were smaller than those of the measured values. However, in the test with real data, the results of the developed navigation system were below expectations. This was due to the high noise level of the low-cost accelerometer used, in line with the double integration performed in the dynamic model of the Kalman filter for position estimation.Pesquisa sem auxílio de agências de fomentoTrabalho de Conclusão de Curso (Graduação)porUniversidade Federal de UberlândiaEngenharia MecatrônicaBrasilAttribution-NonCommercial-NoDerivs 3.0 United Stateshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA MECANICASistema de navegação integradoIntegrated navigation systemFiltro de KalmanKalman filterGPSGPSINSINSEstimativa de atitudeAttitude estimationEstimativa de posiçãoPosition estimationIntegração GPS/INS baseada em filtro de Kalman para navegaçãoGPS/INS integration based on Kalman filter for navigationinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisAssis, Pedro Augusto Queiroz dehttp://lattes.cnpq.br/5309540309123503Tavares, José Jean-Paul Zanlucchi de Souzahttp://lattes.cnpq.br/7957071418601330Martins, Roberto de Souzahttp://lattes.cnpq.br/4586350967708284http://lattes.cnpq.br/6431350466186168Pereira, Lucas Boaventura48112809543reponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFUORIGINALIntegracaoGPSINS.pdfIntegracaoGPSINS.pdfTCCapplication/pdf1945489https://repositorio.ufu.br/bitstream/123456789/35016/1/IntegracaoGPSINS.pdff67d4b01d79e39a0f18379b3e50fa052MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufu.br/bitstream/123456789/35016/2/license_rdf9868ccc48a14c8d591352b6eaf7f6239MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81792https://repositorio.ufu.br/bitstream/123456789/35016/3/license.txt48ded82ce41b8d2426af12aed6b3cbf3MD53TEXTIntegracaoGPSINS.pdf.txtIntegracaoGPSINS.pdf.txtExtracted texttext/plain70273https://repositorio.ufu.br/bitstream/123456789/35016/4/IntegracaoGPSINS.pdf.txtab34874751251110746f4810ec31a88fMD54THUMBNAILIntegracaoGPSINS.pdf.jpgIntegracaoGPSINS.pdf.jpgGenerated Thumbnailimage/jpeg1109https://repositorio.ufu.br/bitstream/123456789/35016/5/IntegracaoGPSINS.pdf.jpg3d8ff5eee9b33816f3f885fca620e222MD55123456789/350162022-05-10 03:15:36.692oai:repositorio.ufu.br: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Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2022-05-10T06:15:36Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.pt_BR.fl_str_mv |
Integração GPS/INS baseada em filtro de Kalman para navegação |
dc.title.alternative.pt_BR.fl_str_mv |
GPS/INS integration based on Kalman filter for navigation |
title |
Integração GPS/INS baseada em filtro de Kalman para navegação |
spellingShingle |
Integração GPS/INS baseada em filtro de Kalman para navegação Pereira, Lucas Boaventura CNPQ::ENGENHARIAS::ENGENHARIA MECANICA Sistema de navegação integrado Integrated navigation system Filtro de Kalman Kalman filter GPS GPS INS INS Estimativa de atitude Attitude estimation Estimativa de posição Position estimation |
title_short |
Integração GPS/INS baseada em filtro de Kalman para navegação |
title_full |
Integração GPS/INS baseada em filtro de Kalman para navegação |
title_fullStr |
Integração GPS/INS baseada em filtro de Kalman para navegação |
title_full_unstemmed |
Integração GPS/INS baseada em filtro de Kalman para navegação |
title_sort |
Integração GPS/INS baseada em filtro de Kalman para navegação |
author |
Pereira, Lucas Boaventura |
author_facet |
Pereira, Lucas Boaventura |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Assis, Pedro Augusto Queiroz de |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/5309540309123503 |
dc.contributor.referee1.fl_str_mv |
Tavares, José Jean-Paul Zanlucchi de Souza |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/7957071418601330 |
dc.contributor.referee2.fl_str_mv |
Martins, Roberto de Souza |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/4586350967708284 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/6431350466186168 |
dc.contributor.author.fl_str_mv |
Pereira, Lucas Boaventura |
contributor_str_mv |
Assis, Pedro Augusto Queiroz de Tavares, José Jean-Paul Zanlucchi de Souza Martins, Roberto de Souza |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA MECANICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA MECANICA Sistema de navegação integrado Integrated navigation system Filtro de Kalman Kalman filter GPS GPS INS INS Estimativa de atitude Attitude estimation Estimativa de posição Position estimation |
dc.subject.por.fl_str_mv |
Sistema de navegação integrado Integrated navigation system Filtro de Kalman Kalman filter GPS GPS INS INS Estimativa de atitude Attitude estimation Estimativa de posição Position estimation |
description |
Navegação significa determinar a posição e a atitude de um corpo móvel em relação a um referencial ao longo do tempo. As grandezas posição, velocidade e atitude, que permitem georreferenciar esse corpo, são chamadas de estados de navegação. Já a combinação de sensores que possibilita a determinação dos estados de navegação é conhecida como sistema de navegação. A integração de sistemas de navegação busca superar a qualidade da estimativa dos estados em relação àquela obtida com qualquer um dos sistemas operando isoladamente. Para isso, tipicamente combinam-se sistemas com características complementares. Neste contexto, o presente trabalho envolveu o desenvolvimento de um sistema de navegação utilizando a integração GPS/INS por meio de dois filtros de Kalman. O primeiro é usado para estimativa de atitude, utilizando as leituras do acelerômetro, giroscópio e magnetômetro. Já o segundo é empregado para estimar a posição a partir da medição do GPS e da saída do acelerômetro. A integração GPS/INS se beneficia dos pequenos erros de estimativa do INS a curto prazo e do fato das medições do GPS não divergirem ao longo do tempo. Para validar o sistema implementado, definiu-se uma trajetória de referência, a partir de quatro pontos que foram definidos utilizando um GPS de precisão. Tal validação foi realizada em simulação e a partir de dados experimentais. Com os dados simulados a integração GPS/INS apresentou um resultado melhor que a medição do GPS isoladamente. Mais precisamente, o erro médio e a variância do erro dos valores estimados pelos filtros foram menores que os dos valores medidos. No entanto, no teste com dados reais os resultados do sistema de navegação desenvolvido ficaram abaixo do esperado. Isso ocorreu devido ao alto nível de ruídos do acelerômetro de baixo custo empregado, alinhado à dupla integração feita no modelo dinâmico do filtro de Kalman para estimativa de posição. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-05-09T19:10:02Z |
dc.date.available.fl_str_mv |
2022-05-09T19:10:02Z |
dc.date.issued.fl_str_mv |
2022-04-11 |
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.citation.fl_str_mv |
PEREIRA, Lucas Boaventura. Integração GPS/INS baseada em filtro de Kalman para navegação. 2022. 48 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Uberlândia, Uberlândia, 2022. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufu.br/handle/123456789/35016 |
identifier_str_mv |
PEREIRA, Lucas Boaventura. Integração GPS/INS baseada em filtro de Kalman para navegação. 2022. 48 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Uberlândia, Uberlândia, 2022. |
url |
https://repositorio.ufu.br/handle/123456789/35016 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Engenharia Mecatrônica |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Engenharia Mecatrônica |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
bitstream.url.fl_str_mv |
https://repositorio.ufu.br/bitstream/123456789/35016/1/IntegracaoGPSINS.pdf https://repositorio.ufu.br/bitstream/123456789/35016/2/license_rdf https://repositorio.ufu.br/bitstream/123456789/35016/3/license.txt https://repositorio.ufu.br/bitstream/123456789/35016/4/IntegracaoGPSINS.pdf.txt https://repositorio.ufu.br/bitstream/123456789/35016/5/IntegracaoGPSINS.pdf.jpg |
bitstream.checksum.fl_str_mv |
f67d4b01d79e39a0f18379b3e50fa052 9868ccc48a14c8d591352b6eaf7f6239 48ded82ce41b8d2426af12aed6b3cbf3 ab34874751251110746f4810ec31a88f 3d8ff5eee9b33816f3f885fca620e222 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1802110565819088896 |