| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 7.89 MB | Adobe PDF |
Advisor(s)
Abstract(s)
Esta dissertação nasce na necessidade de um sistema de localização para um sistema de docagem. Este sistema de docagem têm a necessidade de se localizar a si num referencial de navegação mas também localização um lander robótico, no qual irá docar. O sistema de localização no referencial de navegação tem como base a fusão de vários sensores, presentes na doca. Na fusão sensorial optou-se por um filtro Extended Kalman Filter (EKF) com dados sensoriais de um sistema Inertial Navigation System (INS), do Doppler Velocity Log (DVL), de um sistema Ultra Short baseline (USBL) e de um sensor de pressão. Para além disso, foi estimado um modelo dinâmico idêntico à estação de docagem. Para a o sistema de docagem conseguir localizar o lander robótico foi utilizado uma solução idêntica à anterior. Um filtro onde é utilizado ou as medidas de um sistema USBL ou as medidas de um algoritmo de visão. Neste é utilizado um modelo de velocidade constante. Para a validação do algoritmo desenvolvido foi utilizado um simulador desenvolvido previamente. Este é capaz de simular a manobra de docagem, permitindo obter logs de dados obtidos pelos sensores simulados. Os resultados obtidos com o sistema de localização são bastante satisfatórios; apresentado erros inferiores a 10 cm na posição e 1 ◦ na orientação durante a sua missão de docar ao lander. Para além dos dados da sua missão, foram realizados testes, como simular falhas de sensores, que provam a robustez do filtro. Relativamente aos resultados do filtro de localização relativa, tal como referido foram utilizados medidas de duas fontes diferentes. Aqui foi pensado utilizar as medidas obtidas pelo sistema USBL enquanto a câmara não consegue ver o lander, a partir do momento que consegue passa a utilizar a câmara, através de um algoritmo de visão, para obter a posição relativa. Quantos aos resultados foram obtidos erros inferiores a 1 cm em posição x e y e inferior a 10 cm em profundidade.
This thesis addresses the need of a localization system for a underwater docking system. Since the docking system is full autunomous, it is necessary to localise itself in his navigation referential and capable of localise an robotic lander, which the docking system will dock. This thinking led to the development of two localization systems that complement one another. The first one is capable of estimate the state that characterize the docking station, in his navigation referential. While the other one is capable of localizing the lander in the docking referential. So, the first one fuses the data from several sensors such as: a DVL, a INS system, a pressure sensor and a USBL system. Furthermore, in the filter predict phase a docking system dynamic model is employed. To localise the lander in the docking referential a filter when a constant velocity model is used to predict lander’s position. An vision algorithm, based on a single camera, and a USBL system are used in the update phase. A simulator is used to validate the two systems. This simulator is capable of reproduce the docking maneuver, allow to obtain logs with data from the sensors simulated. For the docking localization, the results are satisfying. It is capable of estimate the position with an error of less than 10 cm, and in the orientation estimation, the error is inferior to 1◦ . In addition, the filter robustness was verified when the data from DVL and USBL had flaws. Relatively to the lander localization results, two different sources of data are used. When the camera can not see the robotic lander, the data from the USBL is preferible. The output from the vision algorthim are only used when the sensor can see the lights from the lander. That error obtain is less than 1 cm for x and y position and 10 cm for depth.
This thesis addresses the need of a localization system for a underwater docking system. Since the docking system is full autunomous, it is necessary to localise itself in his navigation referential and capable of localise an robotic lander, which the docking system will dock. This thinking led to the development of two localization systems that complement one another. The first one is capable of estimate the state that characterize the docking station, in his navigation referential. While the other one is capable of localizing the lander in the docking referential. So, the first one fuses the data from several sensors such as: a DVL, a INS system, a pressure sensor and a USBL system. Furthermore, in the filter predict phase a docking system dynamic model is employed. To localise the lander in the docking referential a filter when a constant velocity model is used to predict lander’s position. An vision algorithm, based on a single camera, and a USBL system are used in the update phase. A simulator is used to validate the two systems. This simulator is capable of reproduce the docking maneuver, allow to obtain logs with data from the sensors simulated. For the docking localization, the results are satisfying. It is capable of estimate the position with an error of less than 10 cm, and in the orientation estimation, the error is inferior to 1◦ . In addition, the filter robustness was verified when the data from DVL and USBL had flaws. Relatively to the lander localization results, two different sources of data are used. When the camera can not see the robotic lander, the data from the USBL is preferible. The output from the vision algorthim are only used when the sensor can see the lights from the lander. That error obtain is less than 1 cm for x and y position and 10 cm for depth.
Description
Keywords
Sistema/Estação de Docagem Sistema de Localização Subaquático Fusão Sensorial Modelo Dinâmico Filtro EKF Sistema USBL DVL Sistema INS Docking Station Underwater Localization Data Fusion Dynamic model EKF USBL INS