Position information, produced by t

Position information, produced by the image recognition, is
subjected to delays and signal outages before it reaches the control
input of the quadrocopter. One major drawback of direct visual
servoing is the need for the target to stay inside the field of
view of the camera. In the case of the quadrocopter under direct
visual servo control, one must be aware of the unstable nature
of this aircraft. This nature requires a functioning visual servoing
loop, which is directly dependent on the visibility of the target
by the camera. Therefore, an indirect visual servo-control was
developed that uses a combination of local position tracking with
an integrated IMU unit and an image-based position estimation
and filtering with a Kalman filter. The additional dynamic delay
estimation and compensation system was included in the position
filtering process.
As the quadrocopter, as a system, includes nonlinearities, it is
common practice to employ the Extended Kalman filter (illustrated
in Fig. 6), where a linear approximation is only used for solving
the Riccati equation, a result of which is the Kalman gain. The full,
nonlinear model is used in the propagation of the estimate and in
computing the predicted sensor outputs [34]. This would introduce
a heavy load on the on-board, high-level processor and thus was
not selected for our application. Therefore, a nonlinear part of
the quadrocopter system (mainly the nonlinear coordinate system
transformation from the quadrocopter’s coordinate system K to
the target coordinate system T ) was decoupled from the linear
part of the system and replicated on the path of the acceleration
measurement vector aK entering the Kalman filter (Fig. 7) in order
to enable aT to enter the Kalman filter directly. This enabled us to
employ a basic (linear) form of the Kalman filter that presents a
much lighter load to the processor.

ผลลัพธ์ (ไทย) 1:

ตำแหน่งข้อมูล ผลิต โดยจดจำภาพภายใต้ความล่าช้าและข่ายสัญญาณก่อนจะถึงตัวควบคุมป้อนข้อมูลของ quadrocopter หนึ่งคืนเงินหลักของ visual โดยตรงservoing ไม่จำเป็นสำหรับเป้าหมายการภายในด้านการมุมมองของกล้อง ในกรณีของ quadrocopter ใต้โดยตรงการควบคุม servo ภาพ หนึ่งต้องระวังธรรมชาติเสถียรของเครื่องบินนี้ ธรรมชาตินี้ต้อง servoing ภาพการทำงานวน ซึ่งขึ้นอยู่โดยตรงในการมองเห็นได้ของเป้าหมายด้วยกล้อง ดังนั้น มีทางอ้อมแสดง servo ควบคุมได้พัฒนาให้ใช้เป็นชุดท้องถิ่นตำแหน่งติดตามด้วยหน่วย IMU รวมและการประเมินตำแหน่งรูปภาพและกรองกับตัวกรอง Kalman การหน่วงเวลาแบบไดนามิกเพิ่มเติมระบบการประเมินและค่าตอบแทนรวมอยู่ในตำแหน่งขั้นตอนการกรองเป็น quadrocopter เป็นระบบ มี nonlinearities เป็นจารีตการใช้ตัวกรอง Kalman ขยาย (ภาพประกอบใน Fig. 6), ที่ประมาณเส้นจะใช้เฉพาะสำหรับการแก้Riccati สมการ ผลลัพธ์ที่เป็นกำไร Kalman เต็มใช้ในการเผยแพร่ ของการประเมิน และในแบบจำลองไม่เชิงเส้นคำนวณการเคลื่อนเซ็นเซอร์แสดงผล [34] นี้จะแนะนำหนักโหลดบนโพรเซสเซอร์ที่เหลือเฟือ ระดับสูง และจึง มีไม่ได้เลือกสำหรับโปรแกรมประยุกต์ของเรา ดังนั้น ส่วนที่ไม่เชิงเส้นของระบบ quadrocopter (ส่วนใหญ่ไม่เชิงเส้นระบบพิกัดการเปลี่ยนแปลงจาก quadrocopter พิกัดระบบ Kพิกัดระบบ T) ถูก decoupled จากการเชิงเส้นเป็นส่วนหนึ่งของระบบ และการจำลองแบบแล้วบนเส้นทางของความเร่งวัดเวกเตอร์ aK ใส่กรอง Kalman (Fig. 7) ตามลำดับการเปิดใช้งานในการป้อนตัวกรอง Kalman โดยตรง นี้ช่วยให้เราสามารถใช้แบบฟอร์มพื้นฐาน (เชิงเส้น) ของตัวกรอง Kalman ที่แสดงการโหลดมากเบากับตัวประมวลผล

ผลลัพธ์ (ไทย) 3:

ข้อมูลตำแหน่งของ ผลิต โดยการรับรู้ภาพ ,
ภายใต้ความล่าช้าและจับสัญญาณก่อนที่จะถึงการควบคุม
ใส่ของ quadrocopter . ข้อเสียเปรียบหลักของ servoing ภาพ
ตรงความต้องการเป้าหมายอยู่ภายในเขตของ
มุมมองของกล้อง ในกรณีของ quadrocopter
ภาพโดยตรงเซอร์โวควบคุม , หนึ่งจะต้องตระหนักถึง
ธรรมชาติ มั่นคงเครื่องบินลำนี้ ธรรมชาตินี้ต้องทํางานภาพ servoing
ลูป ซึ่งเป็นโดยตรงขึ้นอยู่กับการมองเห็นเป้าหมาย
โดยกล้อง ดังนั้น การควบคุมเซอร์โวภาพทางอ้อมคือ
พัฒนาที่ใช้การรวมกันของตำแหน่งท้องถิ่นติดตามด้วย
imu หน่วยบูรณาการและเป็นตำแหน่งประมาณ
และกรองด้วยตัวกรองคาลมาน . เพิ่มเติม
เลื่อนแบบไดนามิกระบบการประเมินและค่าตอบแทนรวมอยู่ในกระบวนการกรองตำแหน่ง
.
เป็น quadrocopter เป็นระบบ รวมถึง nonlinearities มัน
ฝึกทั่วไปจ้างขยายกรองคาลมาน ( ภาพประกอบ
ในรูปที่ 6 ) ซึ่งมีการประมาณเชิงเส้นจะใช้สำหรับการแก้สมการ riccati
, ผลของซึ่งเป็น คาลมานได้รับ เต็ม ,
แบบจำลองไม่เชิงเส้นใช้ในการประมาณการและคำนวณคาดการณ์ผลผลิต
เซ็นเซอร์ [ 34 ] นี้จะแนะนำ
หนักบนบอร์ดประมวลผลระดับสูงจึงถูก
ไม่ได้เลือกสำหรับโปรแกรมของเรา ดังนั้น ในส่วนของระบบไม่เชิงเส้น
quadrocopter ( ส่วนใหญ่ระบบพิกัดเชิงเส้นการแปลงจาก K


quadrocopter ระบบพิกัดของเป้าหมายระบบพิกัด T ) คือแบบ จากส่วนหนึ่งของระบบจำนวนเชิงเส้น

บนเส้นทางของการวัดเวกเตอร์และเข้าสู่ตัวกรองคาลมาน ( รูปที่ 7 ) เพื่อใช้ในการป้อน
ตัวกรองคาลมานได้โดยตรง ทำให้เรา

ใช้พื้นฐาน ( เชิงเส้น ) รูปแบบของตัวกรองคาลมานแสดง
เบามากโหลดไปยังหน่วยประมวลผล