ETD

Digital archive of theses discussed at the University of Pisa

 

Thesis etd-05272020-150910


Thesis type
Tesi di laurea magistrale
Author
ESPOSITO, NICOLA
URN
etd-05272020-150910
Thesis title
Un Sistema di Visione Ibrido per Detection, Tracking e Stima del Moto Relativo di un APR non Cooperante
Department
INGEGNERIA DELL'INFORMAZIONE
Course of study
INGEGNERIA ROBOTICA E DELL'AUTOMAZIONE
Supervisors
relatore Prof. Pollini, Lorenzo
Keywords
  • bearing only tracking
  • Neural Network UKF
  • Machine Vision
  • Tracking
Graduation session start date
19/06/2020
Availability
Withheld
Release date
19/06/2090
Summary
L’obiettivo del presente elaborato è stato quello di sviluppare un sistema di detection, tracking e stima del moto relativo di un Aereomobile a Pilotaggio Remoto (APR) non cooperante utilizzando un sistema di visione. I risultati della stima sono pensati per essere utilizzati da un sistema di guida homing per il raggiungimento e l’inseguimento dell’APR.
Il sistema di visione presenta un’architettura ibrida costituita da una rete neurale convoluzionale, addestrata all’identificazione di APR e da algoritmi di visione artificiale che ne permettono il tracciamento su ogni frame del flusso video. Sono state affrontate e risolte le proble- matiche ed i limiti legati all’utilizzo della rete neurale la cui misura, a causa dell’elevato costo computazionale, risulta essere ritardata ed inadeguata da sola ad essere utilizzata in un anello di controllo. Un sistema di tracking composto da un algoritmo di Optical Flow, un Filtro di Kalman lineare ed un algoritmo di compensazione del ritardo è stato sviluppato al fine di rendere consistente e continua la stima del baricentro dell’APR sul piano immagine.
Un processo di stima basato sull’utilizzo del Filtro di Kalman Unscented è stato sviluppato al fine di effettuare una stima del moto relativo tra i due velivoli utilizzando solo le informazioni sul piano immagine derivanti dal sistema di detection e tracking. Al fine di migliorare ed irrobustire tale stima è stata aggiunta al processo l’ulteriore misura dell’angolo sotteso, ricavabile con tecniche di Computer Vision.
L’intero sistema è stato poi implementato in ambiente ROS sulla piattaforma embedded Jetson TX2, trasportata a bordo di un esacottero DJIFlame Wheel F550, dotato di una telecamera stereoscopica D435i opportunamente stabilizzata con dei servomotori. Prove preliminari sono state eseguite al fine di caratterizzare la precisione e l'accuratezza del sistema di detection e tracking e le capacità di stima del filtro di Kalman Unscented. Infine, testing hardware in the loop sono stati eseguiti per verificare le performance dell’intera architettura.
File