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%.

I detta arbeta gjordes en undersökning om hur en drönare kan regleras vid olika viktbelastningar. Först gjordes en teoretisk undersökning av fyra olika reglermetoder, två modellbaserade och två icke-modellbaserade metoder. De två modellbaserade var linjär kvadratisk reglering och modell prediktiv kontroll. De två icke-modellbaserade var kaskad kontroll och PID regulator. Av alla metoderna valdes det att användas en PID regulator för regleringen. För att ställa in PID testades tre olika metoder, Ziegler-Nichols, lambda och AMIGO metoden. Alla dessa tre använde stegsvaret för systemet för att beräkna parametrarna till PID. Detta resulterade i flera olika parameterval för systemet. Parametervalen testades på drönaren och AMIGO metoden gav de bästa resultaten. De olika lasterna som testades var 4.7, 6.1 och 10.8 gram. AMIGO metoden kunde användas för att reglera drönaren upp till 6.1 gram därefter blev drönarens beteende allt för olinjärt. Sammanfattningsvis går det att använda en PID som ställs in med AMIGO metoden från stegsvaret för att reglera en drönare med mindre laster upp till ungefär sex gram. / This project tested how a drone can be controlled when loads are applied to it. First four different control methods were analyzed, two model based and two non-model based. The two model based were linear quadratic regulator and model predictive control. The two non-model based were cascade control and PID regulator. The PID regulator were chosen and three different methods to tune the PID was tested. Ziegler-Nichols, lambda and AMIGO method, all used the step response from the system to determine the parameters. These different methods gave different setup of parameters and the best result came from the AMIGO method. The different loads that were applied to the system was 4.7, 6.1 and 10.8 gram. The AMIGO method were able to tune the PID up to 6.1 grams, then the system lost to much of its linear behavior. To summarize the work a PID tuned by the AMIGO method using the step response were able to control a drone with a load up to about six grams.