Navegação autônoma de VANT por fusão de dados com rede neural artificial otimizada implementada em FPGA
Ano de defesa: | 2021 |
---|---|
Autor(a) principal: | |
Orientador(a): | , |
Banca de defesa: | , , |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Instituto Nacional de Pesquisas Espaciais (INPE)
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação do INPE em Computação Aplicada
|
Departamento: |
Não Informado pela instituição
|
País: |
BR
|
Resumo em Inglês: | The use of UAVs has increased in recent years and due to the increase in the use of UAVs, the interest of companies, governmental organizations and the scientific community in the development of autonomous aerial systems, especially small ones, has also grown. Navigation requires sensors, such as a Global Navigation Satellite System (GNSS) and an Inertial Navigation System (INS). However, there are problems associated with the use of these sensors. The main problems are interferences, which can be caused intentionally or by action natural, which can make autonomous navigation unfeasible. One solution when sensors fail or are not available is image navigation. However, there are still problems associated with autonomous navigation, due to image processing. These problems are due to their technical nature, which is sensitive to interference from environmental factors, such as clouds, rain, smoke, light, low quality imaging sensors or any other factor that interferes with image collection during navigation. Therefore, to mitigate possible failures of the alternatives, which use only images, the solution suggested in the literature is to apply data fusion techniques. With the merger of data, it is possible to obtain greater reliability in the autonomous navigation of UAVs and in this way, guarantee a better estimate of the UAV position during navigation. One of the techniques that stands out, as a data fuser, is the Kalman Filter (FK). However, FK has disadvantages and among them stands out the complexity required in the construction / implementation of FK. The objective of this Thesis is to investigate, analyze and qualify the estimation of the position of a UAV, from the fusion of data, of the embedded sensors, using a self-configured MLP, as an alternative to the FK. In addition to providing an alternative to FK, it is also an objective to build a high performance processing device, dedicated hardware, to implement the investigated technique in a small device and possible to embark on a small UAV. |
Link de acesso: | http://urlib.net/sid.inpe.br/mtc-m21c/2021/01.28.22.11 |
Resumo: | O uso de VANT aumentou nos últimos anos e devido o aumento do emprego de VANTs, cresceu também o interesse de empresas, organizações governamentais e da comunidade científica, no desenvolvimento de sistemas autônomos aéreos, principalmente de pequeno porte. A navegação necessita de sensores, como um Global Navigation Satellite System (GNSS) e um Inertial Navigation System (INS). Contudo, existem problemas associados ao uso destes sensores. Os principais problemas são interferências, que podem ser provocadas intencionalmente ou por ação natural, o que pode inviabilizar a navegação autônoma. Uma solução quando os sensores falham ou não estão disponíveis é a navegação por imagens. Contudo, ainda existem problemas associados a navegação autônoma, por processamento de imagens. Esses problemas advém da sua natureza técnica, que é sensível a interferências de fatores ambientais, como nuvens, chuva, fumaça, luminosidade, sensores imageadores de baixa qualidade ou qualquer outro fator que atrapalhe a coleta de imagens durante a navegação. Por isso, para mitigar possíveis falhas das alternativas, que utilizam apenas imagens, a solução sugerida na literatura é aplicar técnicas de fusão de dados. Com a fusão de dados, é possível obter maior confiabilidade a navegação autônoma de VANTs e desta forma, garantir uma melhor estimativa da posição do VANT durante a navegação. Uma das técnicas que se destaca, como fusor de dados, é o Filtro de Kalman (FK). Contudo, o FK possui desvantagens e dentre elas destaca-se a complexidade exigida na construção/implementação do FK. O objetivo desta Tese é investigar, analisar e qualificar a estimação da posição de um VANT, a partir da fusão dos dados, dos sensores embarcados, utilizando uma MLP autoconfigurada, como alternativa ao FK. Além de fornecer uma alternativa ao FK, também é um objetivo a construção de um dispositivo de processamento em alto desempenho, um hardware dedicado, para implementar a técnica investigada num dispositivo pequeno e possível de embarcar num VANT de pequeno porte. |
id |
INPE_b4bc632743531db7bb0a645e31b54f3a |
---|---|
oai_identifier_str |
oai:urlib.net:sid.inpe.br/mtc-m21c/2021/01.28.22.11.30-0 |
network_acronym_str |
INPE |
network_name_str |
Biblioteca Digital de Teses e Dissertações do INPE |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisNavegação autônoma de VANT por fusão de dados com rede neural artificial otimizada implementada em FPGAAutonomous UAV navigation by data fusion with optimized artificial neural network implemented in FPGA.2021-01-26Haroldo Fraga de Campos VelhoElcio Hideiti ShiguemoriLamartine Nogueira Frutuoso GuimarãesAlexandre Carlos Brandão RamosAntonio de Pádua BragaGerson da Penha NetoInstituto Nacional de Pesquisas Espaciais (INPE)Programa de Pós-Graduação do INPE em Computação AplicadaINPEBRnavegação autônomafusão de dadosveículo aéreo não tripuladorede neural autoconfiguradaautonomous navigationdata fusionunmanned aerial vehicleauto-configured neural networkfield programmable gate arrayO uso de VANT aumentou nos últimos anos e devido o aumento do emprego de VANTs, cresceu também o interesse de empresas, organizações governamentais e da comunidade científica, no desenvolvimento de sistemas autônomos aéreos, principalmente de pequeno porte. A navegação necessita de sensores, como um Global Navigation Satellite System (GNSS) e um Inertial Navigation System (INS). Contudo, existem problemas associados ao uso destes sensores. Os principais problemas são interferências, que podem ser provocadas intencionalmente ou por ação natural, o que pode inviabilizar a navegação autônoma. Uma solução quando os sensores falham ou não estão disponíveis é a navegação por imagens. Contudo, ainda existem problemas associados a navegação autônoma, por processamento de imagens. Esses problemas advém da sua natureza técnica, que é sensível a interferências de fatores ambientais, como nuvens, chuva, fumaça, luminosidade, sensores imageadores de baixa qualidade ou qualquer outro fator que atrapalhe a coleta de imagens durante a navegação. Por isso, para mitigar possíveis falhas das alternativas, que utilizam apenas imagens, a solução sugerida na literatura é aplicar técnicas de fusão de dados. Com a fusão de dados, é possível obter maior confiabilidade a navegação autônoma de VANTs e desta forma, garantir uma melhor estimativa da posição do VANT durante a navegação. Uma das técnicas que se destaca, como fusor de dados, é o Filtro de Kalman (FK). Contudo, o FK possui desvantagens e dentre elas destaca-se a complexidade exigida na construção/implementação do FK. O objetivo desta Tese é investigar, analisar e qualificar a estimação da posição de um VANT, a partir da fusão dos dados, dos sensores embarcados, utilizando uma MLP autoconfigurada, como alternativa ao FK. Além de fornecer uma alternativa ao FK, também é um objetivo a construção de um dispositivo de processamento em alto desempenho, um hardware dedicado, para implementar a técnica investigada num dispositivo pequeno e possível de embarcar num VANT de pequeno porte.The use of UAVs has increased in recent years and due to the increase in the use of UAVs, the interest of companies, governmental organizations and the scientific community in the development of autonomous aerial systems, especially small ones, has also grown. Navigation requires sensors, such as a Global Navigation Satellite System (GNSS) and an Inertial Navigation System (INS). However, there are problems associated with the use of these sensors. The main problems are interferences, which can be caused intentionally or by action natural, which can make autonomous navigation unfeasible. One solution when sensors fail or are not available is image navigation. However, there are still problems associated with autonomous navigation, due to image processing. These problems are due to their technical nature, which is sensitive to interference from environmental factors, such as clouds, rain, smoke, light, low quality imaging sensors or any other factor that interferes with image collection during navigation. Therefore, to mitigate possible failures of the alternatives, which use only images, the solution suggested in the literature is to apply data fusion techniques. With the merger of data, it is possible to obtain greater reliability in the autonomous navigation of UAVs and in this way, guarantee a better estimate of the UAV position during navigation. One of the techniques that stands out, as a data fuser, is the Kalman Filter (FK). However, FK has disadvantages and among them stands out the complexity required in the construction / implementation of FK. The objective of this Thesis is to investigate, analyze and qualify the estimation of the position of a UAV, from the fusion of data, of the embedded sensors, using a self-configured MLP, as an alternative to the FK. In addition to providing an alternative to FK, it is also an objective to build a high performance processing device, dedicated hardware, to implement the investigated technique in a small device and possible to embark on a small UAV.http://urlib.net/sid.inpe.br/mtc-m21c/2021/01.28.22.11info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:56:25Zoai:urlib.net:sid.inpe.br/mtc-m21c/2021/01.28.22.11.30-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:56:26.416Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false |
dc.title.pt.fl_str_mv |
Navegação autônoma de VANT por fusão de dados com rede neural artificial otimizada implementada em FPGA |
dc.title.alternative.en.fl_str_mv |
Autonomous UAV navigation by data fusion with optimized artificial neural network implemented in FPGA. |
title |
Navegação autônoma de VANT por fusão de dados com rede neural artificial otimizada implementada em FPGA |
spellingShingle |
Navegação autônoma de VANT por fusão de dados com rede neural artificial otimizada implementada em FPGA Gerson da Penha Neto |
title_short |
Navegação autônoma de VANT por fusão de dados com rede neural artificial otimizada implementada em FPGA |
title_full |
Navegação autônoma de VANT por fusão de dados com rede neural artificial otimizada implementada em FPGA |
title_fullStr |
Navegação autônoma de VANT por fusão de dados com rede neural artificial otimizada implementada em FPGA |
title_full_unstemmed |
Navegação autônoma de VANT por fusão de dados com rede neural artificial otimizada implementada em FPGA |
title_sort |
Navegação autônoma de VANT por fusão de dados com rede neural artificial otimizada implementada em FPGA |
author |
Gerson da Penha Neto |
author_facet |
Gerson da Penha Neto |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Haroldo Fraga de Campos Velho |
dc.contributor.advisor2.fl_str_mv |
Elcio Hideiti Shiguemori |
dc.contributor.referee1.fl_str_mv |
Lamartine Nogueira Frutuoso Guimarães |
dc.contributor.referee2.fl_str_mv |
Alexandre Carlos Brandão Ramos |
dc.contributor.referee3.fl_str_mv |
Antonio de Pádua Braga |
dc.contributor.author.fl_str_mv |
Gerson da Penha Neto |
contributor_str_mv |
Haroldo Fraga de Campos Velho Elcio Hideiti Shiguemori Lamartine Nogueira Frutuoso Guimarães Alexandre Carlos Brandão Ramos Antonio de Pádua Braga |
dc.description.abstract.por.fl_txt_mv |
O uso de VANT aumentou nos últimos anos e devido o aumento do emprego de VANTs, cresceu também o interesse de empresas, organizações governamentais e da comunidade científica, no desenvolvimento de sistemas autônomos aéreos, principalmente de pequeno porte. A navegação necessita de sensores, como um Global Navigation Satellite System (GNSS) e um Inertial Navigation System (INS). Contudo, existem problemas associados ao uso destes sensores. Os principais problemas são interferências, que podem ser provocadas intencionalmente ou por ação natural, o que pode inviabilizar a navegação autônoma. Uma solução quando os sensores falham ou não estão disponíveis é a navegação por imagens. Contudo, ainda existem problemas associados a navegação autônoma, por processamento de imagens. Esses problemas advém da sua natureza técnica, que é sensível a interferências de fatores ambientais, como nuvens, chuva, fumaça, luminosidade, sensores imageadores de baixa qualidade ou qualquer outro fator que atrapalhe a coleta de imagens durante a navegação. Por isso, para mitigar possíveis falhas das alternativas, que utilizam apenas imagens, a solução sugerida na literatura é aplicar técnicas de fusão de dados. Com a fusão de dados, é possível obter maior confiabilidade a navegação autônoma de VANTs e desta forma, garantir uma melhor estimativa da posição do VANT durante a navegação. Uma das técnicas que se destaca, como fusor de dados, é o Filtro de Kalman (FK). Contudo, o FK possui desvantagens e dentre elas destaca-se a complexidade exigida na construção/implementação do FK. O objetivo desta Tese é investigar, analisar e qualificar a estimação da posição de um VANT, a partir da fusão dos dados, dos sensores embarcados, utilizando uma MLP autoconfigurada, como alternativa ao FK. Além de fornecer uma alternativa ao FK, também é um objetivo a construção de um dispositivo de processamento em alto desempenho, um hardware dedicado, para implementar a técnica investigada num dispositivo pequeno e possível de embarcar num VANT de pequeno porte. |
dc.description.abstract.eng.fl_txt_mv |
The use of UAVs has increased in recent years and due to the increase in the use of UAVs, the interest of companies, governmental organizations and the scientific community in the development of autonomous aerial systems, especially small ones, has also grown. Navigation requires sensors, such as a Global Navigation Satellite System (GNSS) and an Inertial Navigation System (INS). However, there are problems associated with the use of these sensors. The main problems are interferences, which can be caused intentionally or by action natural, which can make autonomous navigation unfeasible. One solution when sensors fail or are not available is image navigation. However, there are still problems associated with autonomous navigation, due to image processing. These problems are due to their technical nature, which is sensitive to interference from environmental factors, such as clouds, rain, smoke, light, low quality imaging sensors or any other factor that interferes with image collection during navigation. Therefore, to mitigate possible failures of the alternatives, which use only images, the solution suggested in the literature is to apply data fusion techniques. With the merger of data, it is possible to obtain greater reliability in the autonomous navigation of UAVs and in this way, guarantee a better estimate of the UAV position during navigation. One of the techniques that stands out, as a data fuser, is the Kalman Filter (FK). However, FK has disadvantages and among them stands out the complexity required in the construction / implementation of FK. The objective of this Thesis is to investigate, analyze and qualify the estimation of the position of a UAV, from the fusion of data, of the embedded sensors, using a self-configured MLP, as an alternative to the FK. In addition to providing an alternative to FK, it is also an objective to build a high performance processing device, dedicated hardware, to implement the investigated technique in a small device and possible to embark on a small UAV. |
description |
O uso de VANT aumentou nos últimos anos e devido o aumento do emprego de VANTs, cresceu também o interesse de empresas, organizações governamentais e da comunidade científica, no desenvolvimento de sistemas autônomos aéreos, principalmente de pequeno porte. A navegação necessita de sensores, como um Global Navigation Satellite System (GNSS) e um Inertial Navigation System (INS). Contudo, existem problemas associados ao uso destes sensores. Os principais problemas são interferências, que podem ser provocadas intencionalmente ou por ação natural, o que pode inviabilizar a navegação autônoma. Uma solução quando os sensores falham ou não estão disponíveis é a navegação por imagens. Contudo, ainda existem problemas associados a navegação autônoma, por processamento de imagens. Esses problemas advém da sua natureza técnica, que é sensível a interferências de fatores ambientais, como nuvens, chuva, fumaça, luminosidade, sensores imageadores de baixa qualidade ou qualquer outro fator que atrapalhe a coleta de imagens durante a navegação. Por isso, para mitigar possíveis falhas das alternativas, que utilizam apenas imagens, a solução sugerida na literatura é aplicar técnicas de fusão de dados. Com a fusão de dados, é possível obter maior confiabilidade a navegação autônoma de VANTs e desta forma, garantir uma melhor estimativa da posição do VANT durante a navegação. Uma das técnicas que se destaca, como fusor de dados, é o Filtro de Kalman (FK). Contudo, o FK possui desvantagens e dentre elas destaca-se a complexidade exigida na construção/implementação do FK. O objetivo desta Tese é investigar, analisar e qualificar a estimação da posição de um VANT, a partir da fusão dos dados, dos sensores embarcados, utilizando uma MLP autoconfigurada, como alternativa ao FK. Além de fornecer uma alternativa ao FK, também é um objetivo a construção de um dispositivo de processamento em alto desempenho, um hardware dedicado, para implementar a técnica investigada num dispositivo pequeno e possível de embarcar num VANT de pequeno porte. |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021-01-26 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
status_str |
publishedVersion |
format |
doctoralThesis |
dc.identifier.uri.fl_str_mv |
http://urlib.net/sid.inpe.br/mtc-m21c/2021/01.28.22.11 |
url |
http://urlib.net/sid.inpe.br/mtc-m21c/2021/01.28.22.11 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação do INPE em Computação Aplicada |
dc.publisher.initials.fl_str_mv |
INPE |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do INPE instname:Instituto Nacional de Pesquisas Espaciais (INPE) instacron:INPE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do INPE |
collection |
Biblioteca Digital de Teses e Dissertações do INPE |
instname_str |
Instituto Nacional de Pesquisas Espaciais (INPE) |
instacron_str |
INPE |
institution |
INPE |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE) |
repository.mail.fl_str_mv |
|
publisher_program_txtF_mv |
Programa de Pós-Graduação do INPE em Computação Aplicada |
contributor_advisor1_txtF_mv |
Haroldo Fraga de Campos Velho |
_version_ |
1706805045285093376 |