• Autonomous Aerial Refueling
• GLSDC
• LHM
• Machine Vision
• UAV

ABSTRACT
The purpose of this thesis is to describe the results of an effort on the analysis of the performance of specific algorithms for the ‘pose estimation’ problem within the context of applying Machine Vision-based control laws for the problem of Autonomous Aerial Refueling (AAR) for UAVs. It is assumed that the MV-based AAR approach features several optical markers installed on specific points of the refueling tanker. However, the approach can be applied without any loss of generality to the more general case of the use feature extraction methods to detect specific points and corners of the tanker in lieu of the optical markers. The document proposes a robust ‘detection and labeling algorithm’ for the correct identification of the optical markers, which is then provided to the ‘pose estimation’ algorithm. Furthermore, a detailed study of the performance of two specific ‘pose estimation’ algorithms (the GLSDC and the LHM algorithms) is performed with special emphasis on required computational effort, robustness, error propagation. Extensive simulation studies demonstrate the potential of the LHM algorithm and also highlight the importance of the robustness of the ‘detection and labeling’ algorithm. The simulation effort is performed with a detailed modeling of the AAR maneuver using the USAF refueling method.

SOMMARIO

Lo scopo di questa tesi è descrivere i risultati di uno studio riguardante l’analisi delle prestazioni di specifici algoritmi per il problema della stima della posizione in un contesto applicato ad una legge di controllo basata su Machine Vision (MV) per il problema del rifornimento aereo in modo autonomo (AAR) per veicoli aerei non pilotati (UAVs). Si assume che l’avvicinamento durante il rifornimento avvenga grazie a diversi markers ottici installati in punti specifici dell’aeromobile che fornisce il carburante (Tanker). Il metodo può comunque essere usato senza perdita di generalità in un caso dove si usa il metodo della feature extraction per trovare dei punti specifici sul contorno del Tanker al posto dei markers ottici. Il documento propone un algoritmo robusto per la corretta identificazione dei markers ottici, i quali vengono poi forniti agli algoritmi di stima della posizione. Inoltre si propone uno studio dettagliato di due specifici algoritmi per la stima della posizione (il GLSDC e LHM) dove si da particolare importanza al peso computazione, la robustezza e la propagazione dell’errore. Numerose simulazioni dimostrano il potenziale dell’algoritmo LHM evidenziando l’importanza della robustezza e dell’algoritmo di identificazione dei markers ottici. Le simulazioni sono state eseguite con un modello dettagliato della manovra di AAR usando il metodo proposto da USAF.