Please use this identifier to cite or link to this item: http://hdl.handle.net/10923/10019
Type: masterThesis
Title: Fusão de imagens e sensores inerciais para a estimação e controle de veículos autônomos
Author(s): Vancin, Paulo Henrique
Advisor: Salton, Aurélio Tergolina
Pinho, Márcio Sarroglia
Publisher: Pontifícia Universidade Católica do Rio Grande do Sul
Graduate Program: Programa de Pós-Graduação em Engenharia Elétrica
Issue Date: 2016
Keywords: DETECTORES
VEÍCULOS
VISÃO POR COMPUTADOR
AUTOMAÇÃO
ENGENHARIA
Abstract: A presente dissertação propõe uma técnica de sensoreamento de veículos autônomos baseada na fusão de sensores inerciais e de dados provenientes de uma câmera. O veículo autônomo utilizado neste trabalho foi construído a partir de rodas "Mecanum", que lhe conferem a característica de omnidirecionalidade, ou seja, é capaz de movimentação em todas as direções, sem a necessidade de mudança de orientação. O sensoreamento proposto é fundamentado no Filtro de Kalman Estendido utilizando quatérnios para a fusão de sensores inerciais e visão computacional, com o objetivo de encontrar a posição global e orientação do sistema. As medições inerciais utilizadas nestes sistemas são realizadas por uma Unidade de Medições Inerciais (IMU). Já a visão computacional fica a cargo de uma câmera aliada a um processamento de imagens, o qual tem por função captar pontos coloridos na imagem. A teoria utilizada para a construção do controlador do veículo é baseada na teoria de estabilidade de Lyapunov. Este controlador tem como propósito controlar o deslocamento linear e não linear do veículo omnidirecional. Sendo assim, este trabalho apresenta uma base teórica relacionada aos diversos elementos que compõem o sistema, a fundamentação matemática utilizada para a implementação do filtro e da formulação do controlador, uma visão geral da construção do veículo utilizado para validar a teoria e os resultado obtidos a partir de testes práticos. A análise do desempenho do sistema pôde ser feita a partir da análise de gráficos que mostram a trajetória realizada pelo veículo, a posição e orientação do sistema ao longo do tempo e a estabilidade da lei de controle proposta. Os resultados obtidos evidenciam que os objetivos propostos foram alcançados de forma satisfatória.
The present dissertation proposes a sensoring technique of autonomous vehicles based on the fusion of inertial sensors and data collected from a camera. The autonomous vehicle designed in this project was built using "Mecanum" wheels, which gives the vehicle the capability to move in any direction without having to change orientation. The sensoring system proposed is based on the Extended Kalman Filter using quaternions for the fusion of inertial sensors and computer vision, with the objective of finding the global position and orientation of the system. The inertial measurements used in these systems are made by an accelerometer and a gyroscope. The computer vision aspect of the project is done by a digital camera and an image processing software, which is designed to capture colored points in the image. The theory used to design the vehicle’s controller is based on the Lyapunov’s Stability Theory. This project presents a theoretical basis related to the various elements that compose the system, the mathematical basis used in the filter’s implementation and the controller’s design, a general view of the vehicle’s structure used to validate the theory and the results obtained in practical tests. The system’s performance analysis was based on the analysis of graphics that shows the vehicle’s trajectory, the position and orientation of the system over time and the stability of the proposed control law. The obtained results shows that the proposed objectives were met in a satisfactory manner.
URI: http://hdl.handle.net/10923/10019
Appears in Collections:Dissertação e Tese

Files in This Item:
File Description SizeFormat 
000483114-Texto+Completo-0.pdfTexto Completo3,16 MBAdobe PDFOpen
View


All Items in PUCRS Repository are protected by copyright, with all rights reserved, and are licensed under a Creative Commons Attribution-NonCommercial 4.0 International License. Read more.