Visual aided navigation and mapping for an autonomous rotorcraft

Autonomous rotorcraft in a confined environment that is preventing it to use a global localization system will end up with wrong estimates of velocity and position after a short time of dead reckoning initialization due to the inherent and external noise on the inertial sensors. Extracting corners from an image that is taken from an onboard camera and tracking them in subsequent images can be used as a velocity reference for state estimation algorithm. Scale ambiguity that is present in a monocular camera can be removed by using a fixed baseline stereo camera system. A measurement model using this setup with relative positional measurements is described in the first part of this thesis. The noise in the pixel measurements are back projected into three dimensional space and after calculation of the distance travelled during image acquisition interval, the weight of each feature point for the measurement update is characterized by the covariance matrix. This matrix obtained by algebraic combination of uncertainties in horizontal and vertical projection uncertainty of left and right cemeras. Extended Kalman Filtering with state equations for position in fixed frame,velocity in body frame and quaternion is used. Covariance representation for attitude representation is handled by a body fixed error approach described using Gibbs vector. Assertive simulation results are presented showing the improvement of velocity state vector. The second part discusses the mapping with known poses problem for a robotic vehicle. This is half of a more general problem called Simultaneous Localization and Mapping (SLAM). Occupancy grid mapping for vehicles moving on a two dimensional planar space is explained by many authors. An algorithm using this technique and utilizing dense disparity maps from a stereo camera is described for three dimensional mapping for a vehicle with six degrees of freedom. The algorithm generates random particles with probability distribution functions in accordance with the unertainty presented in the vehicle pose and vision sensors. The ratio of points collected in voxels to the total number of particles scattered for the measurement instant is used for a recursive Bayesian update. The validity of the approach is presented with simulation results.

Autonoma elicotteri in un ambiente confinato che impedisce l'utilizzo di un sistema globale di localizzazione finirà con stime errate di velocità e posizione, dopo un breve periodo di inizializzazione stimata a causa del rumore intrinseco ed esterna sui sensori inerziali. Estrazione angoli di un'immagine che viene preso da una telecamera a bordo e il monitoraggio in immagini successive può essere utilizzato come riferimento di velocità per stato di stima algoritmo. Ambiguità scala che è presente in un monoculare telecamera può essere rimosso utilizzando un sistema di riferimento fisso stereo fotocamera. Un modello di misura con questa configurazione con relative misure di posizione è descritto nella prima parte di questa tesi. Il rumore nel pixel misurazioni sono tornati proiettati in spazio tridimensionale e dopo calcolo della distanza percorsa durante l'intervallo di acquisizione delle immagini, il peso di ciascun punto di funzione per l'aggiornamento della misura è caratterizzato dalla matrice di covarianza. Questa matrice ottenuta combinazione algebrica delle incertezze nell'incertezza proiezione orizzontale e verticale cemeras di sinistra e di destra. Filtro di Kalman esteso con equazioni di stato per la posizione fissa nel telaio, velocità nel telaio e quaternione viene utilizzato. Rappresentazione covarianza per la rappresentazione atteggiamento è gestita da un approccio fisso errore corpo descritto utilizzando Gibbs vettore. Risultati della simulazione assertive sono presentati mostrando il miglioramento del vettore velocità di Stato. La seconda parte illustra la mappatura con nota pone problema per un veicolo robotico. Questo è un mezzo di più problema generale che la localizzazione e mappatura simultanea (SLAM). Griglia di mappatura Occupazione per i veicoli in movimento su un planare bidimensionale spazio è spiegata da molti autori. Un algoritmo utilizza questa tecnica e utilizzando mappe disparità dense da una fotocamera stereo viene descritto per tre mappatura tridimensionale per un veicolo con sei gradi di libertà. L'algoritmo genera particelle casuali con distribuzione di probabilità funzioni secondo la unertainty previsto nel veicolo posa e sensori di visione. Il rapporto di punti raccolti in voxel per il numero totale di particelle disperse per la misurazione istantanea viene utilizzato per un aggiornamento Bayesiano ricorsivo. La validità dell'approccio viene presentato con risultati di simulazione.