Desarrollo de técnicas probabilísticas de localización para la navegación autónoma de un vehículo aéreo multirotor

Abstract

En los últimos años se han venido desarrollando algoritmos para un mejor control y autonomía en el vuelo de vehículos aéreos no tripulados. El amplio rango de posibles aplicaciones que se le pueden dar a estos vehículos, han hecho que muchas universidades e instituciones de investigación y desarrollo de prestigio a nivel mundial se enfoquen en la elaboración de mejores técnicas de control dinámico y navegación autónoma para estos vehículos, siendo los de diseño de cuatro hélices distribuidas en forma de cruz llamados quadrotores los más usados. Los contenidos teóricos principales utilizados en el presente trabajo son la robóticaprobabilística, la ingeniería de control clásica y la representación geométrica tridimensional. Para la prueba de los algoritmos experimentales elaborados se ha optado por el uso de un simulador basado en JavaScript. Asimismo, para el seguimiento de trayectoria se ha usado un simulador en Gazebo para su implementación. Ambos simuladores han sido desarrollados por el Grupo de Visión Artificial de la Universidad Técnica de Múnich. Mayor información se brinda en el capítulo respectivo. Este trabajo está distribuido de tal modo que facilite el entendimiento de las bases teóricas y su aplicación en la navegación del quadrotor. De igual manera se espera que sirva como base para futuros investigadores que deseen continuar con las técnicas aquí expuestas u otras más avanzadas en simulación o en pruebas físicas. La presente tesis está dividida en seis capítulos resumidos a continuación: Capítulo 1: capítulo de introducción que contiene la motivación de la tesis, breve reseña histórica del desarrollo de vehículos aéreos motorizados y no tripulados desde inicios del siglo XX a la actualidad, así como los avances en la navegación autónoma para estos vehículos. Finalmente se determinan los alcances y limitaciones del presente trabajo. Capítulo 2: se dan las pautas para la representación geométrica del estado de un cuerpo rígido en el espacio. Con ello, se desarrollan los modelos matemáticos de estado del vehículo aéreo para su posterior uso, asimismo se presenta el principio dinámico de un quadrotor para conocimiento general. Capítulo 3: se presentan dos plataformas de simulación de vuelo del quadrotor. Una de ellas es Gazebo -una de las más robustas en la actualidad- con la que simulamos el vuelo del quadrotor comercial Parrot AR.Drone y su información de navegación, los algoritmos desarrollados en esta plataforma pueden ser trasladados directamente al quadrotor comercial mediante conexión WiFi. El otro entorno de simulación es un paquete JavaScript, con el que se probarán los algoritmos probabilísticos de navegación autónoma. Capítulo 4: desarrolla el control de trayectoria deseada para el vuelo del quadrotor, a través de un controlador PID, el que será usado como base para el desarrollo del algoritmo de estimación de estado del capítulo siguiente. El controlador desarrollado en este capítulo será trasladado al Parrot AR.Drone 2.0 detallando los resultados obtenidos. Capítulo 5: contiene el marco teórico y el desarrollo del algoritmo probabilístico de localización en vuelo del vehículo aéreo, donde se usan los modelos expuestos en el Capítulo 2 mediante un filtro de Kalman, logrando cierto grado de autonomía en la navegación del quadrotor para el seguimiento de una trayectoria deseada. La presente tesis fue elaborada a comienzos de un proyecto de investigación para la navegación autónoma del quadrotor financiada por el Instituto General de Investigación - IGI de la Universidad Nacional de Ingeniería. A la fecha de la conclusión de la tesis, el estado del proyecto se encuentra en sus fases iniciales, el cual tiene como objetivo el desarrollo y la implementación de algoritmos probabilísticos de localización para lograr la autonomía de vuelo del quadrotor comercial Parrot AR.Drone 2.0. Los algoritmos aquí desarrollados son la base principal de algoritmos más avanzados como el EFK SLAM, que se trata de la estimación de la posición y el mapeo simultáneo del mismo haciendo uso del filtro de Kalmal extendido.