State estimation of aerial vehicles flying near the ground

• Ano de defesa: 2019
• Autor(a) principal: Antonio Carlos Bana Chiella
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Minas Gerais; Brasil; ENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICA; Programa de Pós-Graduação em Engenharia Elétrica; UFMG
• Palavras-chave em Português: Nonlinear state estimation; Unit quaternion; Unscented Kalman filter; Adaptive state estimation; Aerial vehicles; Measurement failure; Engenharia elétrica; Kalman, Filtragem de; Quatérnios; Veículos autônomos
• Link de acesso: http://hdl.handle.net/1843/34028

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