Throughout the history of motor vehicles, the tyres have always been consideredas one of the most important components of the vehicle due to their interactionwith the road. One important aspect is the wheel alignment, with the purposeto adjust the static wheel angles that are essential for many reasons, such assafety and fuel consumption for instance. Despite the numerous methods forwheel angle measurements, there seems to be no existing technical solutionbased on computer vision, that is suitable for residential use, regarding bothcost and size of the equipment. The study aims to investigate the feasibility ofsuch a system.The proposed system is based on planar fiducial markers called ArUco.From images or video frames of the marker, the pose of the marker can beestimated. Thus, by placing such markers on the ground, on the wheel andon the vehicle, the estimated pose of the markers can be used to measure andcalculate the wheel alignment parameters. Only toe and camber angles aremeasured within the scope of this thesis, even if the system has the potential tomeasure other wheel alignment parameters as well.After camera calibration, simplified ArUco marker tests were done by measuringthe known displacement and inclination of a marker with respect to areference marker. The mean absolute error was 030400 and 0:024mm for theinclination angle and displacement, respectively. Furthermore, the toe and camberangles of a vehicle were measured and compared to reference measurementsperformed with a commercial wheel alignment system, giving mean absoluteerrors of 0520 and 0280 for the camber and toe angles, respectively. Despitethe relatively large errors for the toe and camber angle measurements, theresults from the initial inclination and displacement tests show the potential ofthe system. In addition, several error sources and suggestions for improvementcan be identified.As a conclusion, the proposed system can be considered a working firstprototype, which after improvement and optimisation has the potential tobecome a feasible alternative, especially for residential use and for mobileworkshops due to the low cost, size and usability of the system. / Inom fordonstekniken har däcken alltid betraktats som en av fordonets viktigastekomponenter på grund av deras interaktion med vägen. En viktig aspektär hjulinställning, med syftet att justera de statiska hjulvinklarna som är viktigaav många anledningar, som exempelvis säkerhet och bränsleförbrukning.Trots flera metoder för mätning av hjulvinklar verkar det inte finnas någonbefintlig teknisk lösning baserad på datorseende, som är lämplig för privat brukbåde gällande kostnad och storlek på utrustningen. Syftet med studien är attundersöka genomförbarheten för ett sådant system.Det föreslagna systemet är baserat på plana ArUco-markörer. Från bildereller bildrutor i en video av markören kan dess läge uppskattas. Genom attplacera sådana markörer på marken, på hjulet och på fordonet, kan såledesmarkörernas uppskattade lägen användas för att mäta och beräkna hjulvinklarna.Endast toe- och cambervinklar mäts inom ramen för detta examensarbete, ävenom systemet också kan mäta andra hjulvinklar.Efter kamerakalibrering utfördes enkla ArUco-markörtester genom att mätaden kända förskjutningen och vinkeln av en markör i förhållande till en referensmarkör.De genomsnittliga absoluta felen var 030400 och 0:024mm förvinkeln respektive förskjutningen. Vidare mättes toe- och cambervinklar påett fordon och jämfördes med referensmätningar utförda med ett kommersiellthjulinställningssystem. De genomsnittliga absoluta felen var 0520 och 0280för camber- respektive toevinkeln. Trots de relativt stora felen i mätningarnaav toe- och cambervinklar visar resultaten från de första testerna systemetspotential. Dessutom kan flera felkällor och förslag till förbättringar identifieras.Som en slutsats kan det föreslagna systemet betraktas som en fungerandeförsta prototyp, som efter förbättring och optimering har potential att bli ettmöjligt alternativ, särskilt för hemmabruk och för mobila verkstäder på grundav låga kostnader, systemets ringa storlek och användbarhet.

Die Innenraumpositionierung kommt in der heutigen Zeit immer mehr Aufmerksamkeit zu teil. Neben der Navigation durch das Gebäude sind vor allem Location Based Services von Bedeutung, welche Zusatzinformationen zu spezifischen Objekten zur Verfügung stellen Da für eine Innenraumortung das GPS Signal jedoch zu schwach ist, müssen andere Techniken zur Lokalisierung gefunden werden. Neben der häufig verwendeten Positionierung durch Auswertung von empfangenen Funkwellen existieren Methoden zur optischen Lokalisierung mittels Landmarken. Das kamerabasierte Verfahren bietet den Vorteil, dass eine oft zentimetergenaue Positionierung möglich ist. In dieser Masterarbeit erfolgt die Bestimmung der Position im Gebäude mittels Detektion von ArUco-Markern und Türschildern aus Bilddaten. Als Evaluationsgeräte sind zum einen die Kinect v2 von Microsoft, als auch das Lenovo Phab 2 Pro Smartphone verwendet worden. Neben den Bilddaten stellen diese auch mittels Time of Flight Sensoren generierte Tiefendaten zur Verfügung. Durch den Vergleich von aus dem Bild extrahierten Eckpunkten der Landmarke, mit den aus einer Datenbank entnommenen realen geometrischen Maßen des Objektes, kann die Entfernung zu einer gefundenen Landmarke bestimmt werden. Neben der optischen Distanzermittlung wird die Position zusätzlich anhand der Tiefendaten ermittelt. Abschließend werden beiden Verfahren miteinander verglichen und eine Aussage bezüglich der Genauigkeit und Zuverlässigkeit des in dieser Arbeit entwickelten Algorithmus getroffen. / Indoor Positioning is receiving more and more attention nowadays. Beside the navigation through a building, Location Bases Services offer the possibility to get more information about certain objects in the enviroment. Because GPS signals are too weak to penetrate buildings, other techniques for localization must be found. Beneath the commonly used positioning via the evaluation of received radio signals, optical methods for localization with the help of landmarks can be used. These camera-based procedures have the advantage, that an inch-perfect positioning is possible. In this master thesis, the determination of the position in a building is chieved through the detection of ArUco-Marker and door signs in images gathered by a camera. The evaluation is done with the Microsoft Kinect v2 and the Lenovo Phab 2 Pro Smartphone. They offer depth data gained by a time of flight sensor beside the color images. The range to a detected landmark is calculated by comparing the object´s corners in the image with the real metrics, extracted from a database. Additionally, the distance is determined by the evaluation of the depth data. Finally, both procedures are compared with each other and a statement about the accuracy and responsibility is made.

Die Innenraumpositionierung kommt in der heutigen Zeit immer mehr Aufmerksamkeit zu teil. Neben der Navigation durch das Gebäude sind vor allem Location Based Services von Bedeutung, welche Zusatzinformationen zu spezifischen Objekten zur Verfügung stellen Da für eine Innenraumortung das GPS Signal jedoch zu schwach ist, müssen andere Techniken zur Lokalisierung gefunden werden. Neben der häufig verwendeten Positionierung durch Auswertung von empfangenen Funkwellen existieren Methoden zur optischen Lokalisierung mittels Landmarken. Das kamerabasierte Verfahren bietet den Vorteil, dass eine oft zentimetergenaue Positionierung möglich ist. In dieser Masterarbeit erfolgt die Bestimmung der Position im Gebäude mittels Detektion von ArUco-Markern und Türschildern aus Bilddaten. Als Evaluationsgeräte sind zum einen die Kinect v2 von Microsoft, als auch das Lenovo Phab 2 Pro Smartphone verwendet worden. Neben den Bilddaten stellen diese auch mittels Time of Flight Sensoren generierte Tiefendaten zur Verfügung. Durch den Vergleich von aus dem Bild extrahierten Eckpunkten der Landmarke, mit den aus einer Datenbank entnommenen realen geometrischen Maßen des Objektes, kann die Entfernung zu einer gefundenen Landmarke bestimmt werden. Neben der optischen Distanzermittlung wird die Position zusätzlich anhand der Tiefendaten ermittelt. Abschließend werden beiden Verfahren miteinander verglichen und eine Aussage bezüglich der Genauigkeit und Zuverlässigkeit des in dieser Arbeit entwickelten Algorithmus getroffen. / Indoor Positioning is receiving more and more attention nowadays. Beside the navigation through a building, Location Bases Services offer the possibility to get more information about certain objects in the enviroment. Because GPS signals are too weak to penetrate buildings, other techniques for localization must be found. Beneath the commonly used positioning via the evaluation of received radio signals, optical methods for localization with the help of landmarks can be used. These camera-based procedures have the advantage, that an inch-perfect positioning is possible. In this master thesis, the determination of the position in a building is chieved through the detection of ArUco-Marker and door signs in images gathered by a camera. The evaluation is done with the Microsoft Kinect v2 and the Lenovo Phab 2 Pro Smartphone. They offer depth data gained by a time of flight sensor beside the color images. The range to a detected landmark is calculated by comparing the object´s corners in the image with the real metrics, extracted from a database. Additionally, the distance is determined by the evaluation of the depth data. Finally, both procedures are compared with each other and a statement about the accuracy and responsibility is made.

In the last years, the use of indoor drones has increased significantly in many different areas. However, one of the main limitations of the potential of these drones is the battery life. This is due to the fact that the battery size has to be limited since the drones have a maximum payload in order to be able to take-off and maintain the flight. Therefore, a recharging process need to be performed frequently, involving human intervention and thus limiting the drones applications. In order to solve this problem, this master thesis presents an autonomous recharging system for a nano drone, the Crazyflie 2.0 by Bitcraze AB. By automating the battery recharging process no human intervention will be needed, and thus overall mission time of the drone can be considerably increased, broadening the possible applications. The main goal of this thesis is the design and implementation of a control system for the indoor nano drone, in order to control it towards a landing platform and accurately land on it. The design and implementation of an actual recharging system is carried out too, so that in the end a complete full autonomous system exists. Before this controller and system are designed and presented, a research study is first carried out to obtain a background and analyze existing solutions for the autonomous landing problem. A camera is integrated together with the Crazyflie 2.0 to detect the landing station and control the drone with respect to this station position. A visual system is designed and implemented for detecting the landing station. For this purpose, a marker from the ArUco library is used to identify the station and estimate the distance to the marker and the camera orientation with respect to it. Finally, some tests are carried out to evaluate the system. The flight time obtained is 4.6 minutes and the landing performance (the rate of correct landings) is 80%. / Under de senaste åren har användningen av inomhusdrönare ökat betydligt på många olika områden. En av de största begränsningarna för dessa drönare är batteritiden. Detta beror på att batteristorleken måste begränsas eftersom drönarna har en väldigt begränsad maximal nyttolast för att kunna flyga. Därför måste de laddas ofta, vilket involverar mänskligt ingripande och därmed begränsar drönartillämpningarna. För att lösa detta problem presenterar detta examensarbete ett autonomt laddningssystem för en nanodrönare, Crazyflie 2.0. Genom att automatisera batteriladdningsprocessen behövs inget mänskligt ingrepp, och därigenom kan uppdragstiden för drönaren ökas avsevärt och bredda de möjliga tillämpningarna. Huvudmålet med denna avhandling är designen och implementationen av ett styrsystem för en inomhusdrönare, för att styra den mot en landningsplattform och landa korrekt på den. Arbetet inkluderar det faktiska laddningssystemet också, så att slutresultatet är ett fullständigt autonomt system. Innan regulatorn och systemet utformas och presenteras presenteras en genomgång av bakgrundsmaterial och analys av befintliga lösningar för problemet med autonom landning. En kamera monteras på Crazyflie 2.0 för att kunna detektera och positionera landningsstationen och styra drönaren med avseende på detta. För detektion används ArUcobibliotekets markörer vilka också gör det möjligt att räkna ut kamerans position och orientering med avseende på markören och därmed laddstationen. Slutligen utförs tester för att utvärdera systemet. Den erhållna flygtiden är 4,6 minuter och landningsprestandan (andel korrekta landningar på första försöket) är 80%.

Stereo camera systems can be utilized for different applications such as position estimation,distance measuring, and 3d modelling. However, this requires the cameras to be calibrated.This paper proposes a traditional calibration solution with Aruco-markers mounted on avehicle to estimate the pose of a stereo camera system in a tolling environment. Our method isbased on Perspective N Point which presumes the intrinsic matrix to be already known. Thegoal is to find each camera’s pose by identifying the marker corners in pixel coordinates aswell as in world coordinates. Our tests show a worst-case error of 21.5 cm and a potential forcentimetre accuracy. It also verifies validity by testing the obtained pose estimation live in thecamera system. The paper concludes that the method has potential for higher accuracy notobtained in our experiment due to several factors. Further work would focus on enlarging themarkers and widening the distance between the markers.

Platooning is when vehicles are driving close aftereach other at a set distance and it is a promising method toimprove the traffic of todays infrastructure. Several approachesfor platooning can be taken and in this paper a vision-basedimplementation has been studied. With a camera that detectsthe orientation of a marker attached to a small vehicle, it hasbeen examined how the pitch of the marker can be exploitedto perform vision-based platooning considering the road grade.A model predictive control strategy is presented to maintain aplatooning distance with the potential of utilizing road topography.The aim of the project was to use this information tominimize brake and motor forces of the platooning vehicle. Thestrategy was based on relative vehicle states, detectable by acamera. The model predictive controller was implemented onsmall robotic vehicles and tested on a flat surface. The controllerwas successful in converging towards the wanted distance andcapable of reaching a steady state speed. The results showed thatit took 15 seconds for the system to reach a steady state. / Konvojkörning är när fordon kör nära efter varandra med ett bestämt avstånd och det är en lovande metod för att förbättra trafiken i dagens infrastruktur. Åtskilliga tillvägagångssätt kan tas och i denna artikel så har ett visionsbaserat genomförande studerats. Med en kamera som upptäcker orienteringen av en markör som sitter på ett litet fordon så har det undersökts hur markörens lutningsvinkel kan utnyttjas för att utföra en visionsbaserad konvojkörning med hänsyn till vägens lutning. En model predictive control-strategi är presenterad för att bibehålla ett bestämt konvojavstånd med möjligheten att använda vägens topografi. Projektets mål var att använda denna information för att minska bromsoch motorkrafter för det konvojkörande fordonet. Strategin grundades på fordonets relativa tillstånd som var detekterbara med en kamera. En model predicitve control utfärdades på små robotfordon och testades på en platt yta. Kontrollern var framgångsrik i att konvergera mot det önskade avståndet och kapabel till att nå ett stabilt tillstånd för hastigheten. Resultaten t det tog 15 sekunder för fordonets hastighet att nå det stabila tillståndet. / Kandidatexjobb i elektroteknik 2021, KTH, Stockholm

Mobile virtual reality (VR) headsets have been becoming more and more popular. However, the cheapest headsets do not come with any controllers and the ones that do include controllers only uses sensors for rotation, not translational movement. This thesis project aims to develop a prototype of a Bluetooth connected controller for the mobile VR headsets. The controller is based on a MetamotionC board produced by mbientlab Inc., which comes with Bluetooth Low Energy (BLE), an ARM M4 microcontroller, an miniature inertial measurement unit (IMU) sensor (containing a 3-axis accelerometer, a 3-axis gyroscope, and a 3-axis magnetometer and a barometer), a thermometer and other sensors. The only sensors used in this project are the accelerometer, gyroscope, and magnetometer. As a finished prototype, the MetaMotionC is placed on a glove together with five Aruco markers; a 3D model of a hand intended to use as an avatar of the glove was made with Blender and MakeHuman; and a VR room to use the controller with was created in Unity. The 3D hand responds to rotational and translational movements via Bluetooth connection to the IMU sensor on the MetaMotionC. The smartphone camera is used to detect the glove's position with Aruco markers, and the 3D hand is moved to a corresponding location in the VR room. The OpenCV library is used for image processing. The sensor data is filtered with low-pass, median, and thresholding to improve the measurement accuracy. Zero velocity update is used to reset the drift of the integrated accelerations. To reduce the integration error, Romberg's method with a floating window is implemented in Matlab. However, it did not reduce the error enough to make a difference. Thus, the result was unreliable.

Tato práce se zabývá vytvořením lokalizačního a navigačního systému mobilního robota pro vnitřní prostředí pomocí frameworku ROS. Stručně je zde představen projekt, v rámci kterého diplomová práce vznikla, a jeho cíle. V rešeršní části je v krátkosti popsán ROS framework, simulační prostředí Gazebo a senzory, kterými robot disponuje. Následuje vytvoření modelu robota a simulačního prostředí, v němž jsou vyzkoušeny lokalizační, navigační a další rutiny. V experimentální části je provedeno testování senzorů a popsáno využití jejich výstupů. Následně jsou upraveny a otestovány algoritmy ze simulace na reálném robotovi. V závěru jsou popsány vytvořené vzdělávací minihry. Hlavním výstupem této práce je funkční stavový automat, který umožňuje manuální ovládání, zadávání cílů pro navigaci a v případě potřeby zajistí autonomní nabití robota.

The current development of autonomous vehiclesallow for several new applications to form and evolve. One ofthese are platooning, where several vehicles drive closely togetherwith automatic car following. The method of getting informationabout the other vehicles in a platoon can vary. One of thesemethods is using visual information from a camera. Having acamera on-board an autonomous vehicle has further potential, forexample for recognition of objects in the vehicle’s surroundings.This bachelor thesis uses small RC vehicles to test an example ofa vision based platooning system. The system is then evaluatedusing a step response, from which the stability of the systemis analyzed. Additionally, a previously developed communicationbased platooning system was tested in the same way and it’sstability compared. The main conclusion of this thesis is that it isfeasible to use a camera, ArUco marker and an Optimal VelocityRelative Velocity model to achieve a vision based platoon on asmall set of RC vehicles. / Forskningsframsteg inom området autonoma fordon möjliggör utveckling av ett flertal nya tillämpningar. En av dessa är platooning, som innebär att flera fordon kör nära varandra med automatisk farthållning. Metoden för att erhålla information om de andra fordonen i platoonen kan variera. En av dessa metoder är att använda visuell information från en kamera. Att ha en kamera ombord på ett autonomt fordon har stor potential, exempelvis för detektering av objekt i fordonets omgivning. Det här kandidatexamensarbetet använder små radiostyrda bilar för att testa ett exempel av ett kamerabaserat platooning-system. Systemet är sedan utvärderat med hjälp av ett stegsvar, från vilket stabiliteten av systemet är analyserat. Dessutom testas ett tidigare utvecklat kommunikationsbaserat platooning-system, hittills bara testat i simulering, på samma uppsättning bilar. Den huvudsakliga slutsatsen av detta arbete är att det är möjligt att använda en kamera, ArUco markör och en Optimal Velocity Relative Velocity modell för att uppnå kamerabaserad platoon med en liten uppsättning radiostyrda bilar. / Kandidatexjobb i elektroteknik 2021, KTH, Stockholm

This work is concerned by the issue of calibrating a robotic workplace, including the localization of a calibration object for the purpose of calibrating a 2D or 3D camera, a robotic arm and a scene of robotic workplace. At first, the problems related to the calibration of the aforementioned elements were studied. Further, an analysis of suitable methods for performing these calibrations was performed. The result of this work is application of ROS robotic system providing methods for three different types of calibration programs, whose functionality is experimentally verified at the end of this work.