Die vorliegende Dissertation beschäftigt sich mit der Positionsbestimmung und Regelung von Flugrobotern. Das Ziel des Autors war es, die Ergebnisse, vorzugsweise ohne Einbußen bei der Präzision, auf möglichst kostengünstiger Hardware umzusetzen. Die vorgestellten Verfahren erlauben es einem Flugroboter, mit eingeschränkter Rechenleistung und begrenzter Sensorqualität, auf der Stelle zu schweben, einen anderen Roboter zu verfolgen und sich selbst im Außenbereich zu lokalisieren. Die Experimente in der vorliegenden Dissertation wurden mit einem Quadrocopter mit etwa 50 cm Durchmesser durchgeführt. Quadrocopter haben keine Taumelscheibe wie Helikopter mit einem Hauptrotor, sondern vier symmetrisch in einer Ebene angeordnete Rotoren. Da zwei Rotoren im Uhrzeigersinn und zwei Rotoren gegen den Uhrzeigersinn rotieren können die Drehmomente kompensiert werden. Durch Änderung des Schubs einzelner Rotoren kann sich das Fluggerät drehen kippen und seine Höhe ändern. Gegenüber anderen Fluggeräten bieten Quadrocopter als Roboter einige Vorteile. Sie können senkrecht starten, auf der Stelle schweben und erlauben das Anbringen von Sensoren und Aktoren nahe des Masseschwerpunkts. Die verwendeten Quadrocopter sind bereits ab Werk mit Sensoren und Reglern ausgestattet, die ihr manuelles Fliegen einfacher gestalten als das Steuern eines handelsüblichen Modell-Helikopters. Unsere Systeme konzentrieien sich also auf das Erweitern der Funktionalität, hin zu autonomen Robotern. Eine grundlegende Fähigkeit autonomer Roboter ist es, sich selbst zu lokalisieren. Der erste Teil dieser Dissertation beschäftigt sich mit einem Verfahren zur Kartierung und späteren Selbstlokalisation mittels eines Smartphones. Smartphones sind durch ihren hohen Verbreitungsgrad vergleichsweise günstig und bieten relativ viel Prozessorleistung. Trotz ihres geringen Gewichts sind sie mit zahlreichen Sensoren wie Kameras oder GPS ausgestattet und eignen sich daher sehr gut für den Einsatz auf Flugrobotern. Unser System erlaubt die visuelle Selbstlokalisation in einem Areal, das zuvor manuell geflogen erkundet wurde. Ausserdem werden Lösungen zur visuellen Objekterkennung beschrieben die ein Verfolgen des Objekts mit dem Roboter ermöglichen können. Die implementierten Techniken sind von bekannten Feature-Extraktions-Algorithmen wie SIFT inspiriert und wurden für das Smartphone optimiert, um eine schnelle Verarbeitungsfrequenz zu erreichen. Um einen Flugroboter präzise genug zu steuern und zentimetergenau zu landen sind diese bildbasierten Verfahren in der Regel zu ungenau. Durch die Benutzung von künstlichen Markern, die in einem Kamerabild identifiziert und zugeordnet werden können, kann die Position der Kamera, und damit des Roboters, präzise bestimmt werden. Smart-Kameras verfügen über einen internen Prozessor auf dem beispielsweise die Bildverarbeitungsaufgabe der Mustererkennung eigenständig durchgeführt wird. So eine Smart-Kamera, die zudem sehr klein, leicht und kostengünstig ist, findet sich in dem Controller einer Nintendo Wii Spielekonsole. Diese Kamera wird im größten Teil der Dissertation eingesetzt, um mittels eines Musters aus vier Infrarot-LEDs die Position und Orientierung (Pose) des Quadrocopters zu bestimmen und den Flug anhand dieser Daten zu regeln. Die Positionsschätzung und Regelung konnte dank der aufbereiteten Daten der Kamera mittels eines 8-bit MikroControllers erfolgen, was die Kosten des gesamten Systems auf einem sehr niedrigen Niveau hält. Um das Verhalten trotz des Verzichts auf externe Sensoren transparent zu gestalten, funkt der Roboter die ermittelten Daten an eine optionale Bodenstation. Die Regelung des Flugroboters erfolgte dabei mittels bewährter PID-Regler (proportionalintegral-derivative controller), die empirisch, ohne ein mathematisches Modell des Roboters optimiert wurden. Die erzielte Präzision des Systems im Schwebeflug unterscheidet sich dabei nicht wesentlich von weitaus komplexeren Anlagen.

    This thesis deals with the localization and control of flying robots. The goal of the author was to achieve results without sacrificing precision, preferably implemented with the most cost-effective hardware. The described methods allow a flying robot with limited processing power and limited sensor quality to hover on the spot, to follow another robot and to locate itself outdoors. The main platform in this thesis is a quadrocopter with a diameter of about 50 cm, Quadrocopters do not have a swashplate like helicopters with one main-rotor, but four rotors symmetrically attached in one plane. Two rotors rotate clockwise and two rotate counterclockwise to compensate the moment of force. By changing the thrust of the single propellers, the aircraft can turn, tilt and change its height. The utilization of quadrocopters as flying robots offers some advantages compared to other aircraft. They can takeoff vertically, they can hover in place and they allow the attachment of sensors and actuators close to the center of mass. The quadrocopters used in our experiments are factory-fitted with sensors and controllers that make flying manually easier than controlling a standard model helicopter. The work described in this thesis is thus concentrated on expanding the functionality to autonomous robots. A basic ability of autonomous robots is to localize themselves. The first part of this thesis deals with a method for mapping and subsequent self-localization using a smartphone. Smartphones are, thanks to their popularity relatively low-cost and offer significant of processing power. Despite their light weight, they are equipped with various sensors, such as cameras or GPS, and are therefore well suited for use on flying robots. Our system allows visual self-localization in an area that was previously explored flown manually. The implemented techniques are inspired by well-known feature extraction algorithms such as SIFT and are optimized for the smartphone to achieve fast processing. To control a flying robot to land at a centimeter precision, these image-based methods are usually too vague. By the use of artificial markers, which can be associated and identified in a camera image, the position of the camera, and therefore of the robot can be determined precisely. Smart cameras have an internal processor on which, for example, the task of image processing and marker detection is carried out independently. Such a smart camera, which is also very small, lightweight and inexpensive, is found in the controller of a Nintendo Wii game console. This camera is used in the majority of the thesis to determine the position and orientation (pose) of the flying robot by means of a pattern of four infrared (IR) lights and to control the quadrocopter. Thanks to the processed data of the camera, the position estimation and control can be done by means of an 8-bit microcontroller, which keeps the cost of the entire system at a very low level. To make the behavior transparent, despite the complete absence of external sensors, the robot transmits the collected data to an optional base station. The control of the flying robot was effected using PID (proportional-integral-derivative) controllers which are empirically optimized without a mathematical model of the robot. The achieved precision of our system during hovering does not differ significantly from much more complex systems.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Quadrocopters with microcontroller-based autonomy


    Contributors:

    Published in:

    Publication date :

    2014


    Size :

    125 Seiten, Bilder, Tabellen, 137 Quellen



    Type of media :

    Theses


    Type of material :

    Print


    Language :

    English




    Microcontroller

    Sadraey, Mohammad H. | Wiley | 2020


    Microcontroller-Based Impedance Probe

    Block, D. / Steigies, C. T. / Piel, A. et al. | British Library Conference Proceedings | 1999


    Microcontroller Based Electronic Engine Control

    Gobburu, Venkata T. | SAE Technical Papers | 1988


    Microcontroller based electronic engine control

    Gobburu,V.T. / National Semiconductor,US | Automotive engineering | 1988