حل مسئله مکانیابی و نقشهبرداری همزمان برای اجسام پروازی
نام نخستين پديدآور
حامد ذبیحی فسقندیس
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
مهندسی برق و کامپیوتر
تاریخ نشرو بخش و غیره
۱۴۰۱
مشخصات ظاهری
نام خاص و کميت اثر
۶۰ص.
مواد همراه اثر
سی دی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
برق کنترل مهندسی هوافضا گرایش دینامیک پرواز و کنترل
زمان اعطا مدرک
۱۴۰۱/۰۶/۲۰
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
در محیطهای بسته، نقشهبرداری به روش SLAM سنتی به دلیل تداخل عملکرد ضعیفی دارد. دادههای بصری- اینرسی در SLAM باعث میشود که نیاز به GPS تا حدودی رفع گردد. در این پایاننامه روش جدیدی ارائه میشود تا در محیطهای indoor که سیگنالهای GPS به سختی دریافت میشود نقشهبرداری با دقت بالا انجام شود. در این پایاننامه از سنسور فاصلهسنج لیزری، شتابسنج در راستای x,y,z و شتابسنج زاویهای و دو عدد دوربین برای تخمین موقعیت استفاده شده است. نویز حرکتی موجود در UAV باعث میشود که تخمین موقعیت دارای خطای زیادی باشد. در این تحقیق برای غلبه بر نویز با ترکیب چند سنسور و فیلتر کالمن استفاده شده است تا موقعیت ربات با دقت بالا مشخص شود. اندازهگیری موقعیت توسط هر سنسور با فیلتر کالمن اصلاح میشود. در نهایت بعد از اندازهگیری همه سنسورها، دادههای آنها با یکدیگر ترکیب شده و موقعیت نهایی با دقت بالاتر تخمین زده میشود. با ترکیب چند سنسور و اصلاح با فیلتر کالمن، دقت نهایی افزایش پیدا میکند. همچنین خطای فیلتر ذرهای کمتر از فیلتر کالمن میباشد
متن يادداشت
In closed environments, traditional SLAM mapping has poor performance due to interference. Visual-inertial data in SLAM makes the need for GPS to be solved to some extent. In this research, a new method is presented to carry out high-precision mapping in indoor environments where GPS signals are difficult to receive. In this research, laser distance sensor, x, y, z accelerometer and angular accelerometer and two cameras are used to estimate the position. The movement noise in the UAV causes the position estimation to have a large error. In this research, in order to overcome the noise of the Kalman filter, a particle filter has been used to determine the position of the robot with high accuracy.The position measurement by each sensor is corrected with a Kalman filter. Finally, the measurement results of all sensors are combined and the final position is estimated with greater accuracy. By combining several sensors and correction with the Kalman filter, the final accuracy increases. Also, the error of the particle filter is less than the Kalman filter
عنوانهای گونه گون دیگر
عنوان گونه گون
Solving the Simultaneous Localization and Mapping problem for Flying Objects
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )