Neste trabalho, é abordado o problema da navegação de um veículo submarino autônomo. São propostos estimadores de estado que realizam fusão sensorial baseada em Filtro Estendido de Kalman. Esses estimadores de estado empregam as medidas dos seguintes sensores: uma unidade de medição inercial, um sensor de velocidade por efeito Doppler, um profundímetro e uma bússola. Primeiramente foi projetado um estimador de estados para o AUV Pirajuba, onde a estimação da orientação do veículo é realizada de forma desacoplada à estimação da velocidade e posição do veículo. Em seguida, foram desenvolvidos dois estimadores de estado que estimam orientação, velocidade e profundidade do veículo de forma acoplada. Para o projeto e testes dos estimadores mencionados anteriormente, foi empregada uma base de dados contendo um registro de medições reais dos sensores do veículo submarino autônomo Pirajuba, durante testes de campo no lago de uma represa. Os resultados dos testes validaram os estimadores de estado propostos nesse trabalho. Por último, foi realizada uma análise comparativa dos estimadores de estado mencionados. / This work concerns the navigation problem of an autonomous underwater vehicle. Some state estimators using sensorial fusion were proposed, the sensorial fusion is based in an Extended Kalman Filter. The state estimators are fed by measurements of the following sensors: an inertial measurements unit, a velocity sensor by Doppler effect, a depthmeter and a compass. In the first version of the EKF algorithm, the vehicles attitude estimation was decoupled from the vehicle velocity estimation. The second version considers the coupling between linear velocity and the attitude in the vehicle reference frame, taking the velocity reading for correction of the filter estimates. Finally, in the third version, the coupling between position and attitude is also considered, but the correction of the filters estimates is based on the depth readings. Experiments for supporting the design and validation of the navigation algorithms were based on a database constructed with motion measurements during the AUV maneuvers in the north coast of Sao Paulo, and the Guarapiranga lake in the São Paulo city. This work presents a comparative analysis of those algorithms.

Apresenta-se o desenvolvimento de modelos matemáticos e algoritmos de fusão sensorial para navegação terrestre usando uma unidade de medição inercial (UMI) de baixo desempenho e o Filtro Estendido de Kalman. Os modelos foram desenvolvidos com base nos sistemas de navegação inercial strapdown (SNIS). O termo baixo desempenho refere-se à UMIs que por si só não são capazes de efetuar o auto- alinhamento por girocompassing. A incapacidade de se navegar utilizando apenas uma UMI de baixo desempenho motiva a investigação de técnicas que permitam aumentar o grau de precisão do SNIS com a utilização de sensores adicionais. Esta tese descreve o desenvolvimento do modelo completo de uma fusão sensorial para a navegação inercial de um veículo terrestre usando uma UMI de baixo desempenho, um hodômetro e uma bússola eletrônica. Marcas topográficas (landmarks) foram instaladas ao longo da trajetória de teste para se medir o erro da estimativa de posição nesses pontos. Apresenta-se o desenvolvimento do Filtro de Kalman Adaptativo Suavizado (FKAS), que estima conjuntamente os estados e o erro dos estados estimados do sistema de fusão sensorial. Descreve-se um critério quantitativo que emprega as incertezas de posição estimadas pelo FKAS para se determinar a priori, dado os sensores disponíveis, o intervalo de tempo máximo que se pode navegar dentro de uma margem de confiabilidade desejada. Conjuntos reduzidos de landmarks são utilizados como sensores fictícios para testar o critério de confiabilidade proposto. Destacam-se ainda os modelos matemáticos aplicados à navegação terrestre, unificados neste trabalho. Os resultados obtidos mostram que, contando somente com os sensores inerciais de baixo desempenho, a navegação terrestre torna-se inviável após algumas dezenas de segundos. Usando os mesmos sensores inerciais, a fusão sensorial produziu resultados muito superiores, permitindo reconstruir trajetórias com deslocamentos da ordem de 2,7 km (ou 15 minutos) com erro final de estimativa de posição da ordem de 3 m. / This work presents the development of the mathematical models and the algorithms of a sensor fusion system for terrestrial navigation using a low-grade inertial measurement unit (IMU) and the Extended Kalman Filter. The models were developed on the basis of the strapdown inertial navigation systems (SINS). Low-grade designates an IMU that is not able to perform girocompassing self-alignment. The impossibility of navigating relying on a low performance IMU is the motivation for investigating techniques to improve the SINS accuracy with the use of additional sensors. This thesis describes the development of a comprehensive model of a sensor fusion for the inertial navigation of a ground vehicle using a low-grade IMU, an odometer and an electronic compass. Landmarks were placed along the test trajectory in order to allow the measurement of the error of the position estimation at these points. It is presented the development of the Smoothed Adaptive Kalman Filter (SAKF), which jointly estimates the states and the errors of the estimated states of the sensor fusion system. It is presented a quantitative criteria which employs the position uncertainties estimated by SAKF in order to determine - given the available sensors, the maximum time interval that one can navigate within a desired reliability. Reduced sets of landmarks are used as fictitious sensors to test the proposed reliability criterion. Also noteworthy are the mathematical models applied to terrestrial navigation that were unified in this work. The results show that, only relying on the low performance inertial sensors, the terrestrial navigation becomes impracticable after few tens of seconds. Using the same inertial sensors, the sensor fusion produced far better results, allowing the reconstruction of trajectories with displacements of about 2.7 km (or 15 minutes) with a final error of position estimation of about 3 m.

Sistemas computacionais empregados na Agricultura de Precisão (AP) são dedicados, atualmente, a prover relativa amostragem, precisão e nível de processamento de dados requeridas pelas práticas agrícolas, que não são comuns a agricultura convencional, elevando custos com a produção e pesquisas direcionadas ao sensoriamento remoto, para o mapeamento e inspeção das linhas de plantio. São tarefas a priori realizadas com o uso de sensores proprioceptivos e exteroceptivos, instrumentação embarcada, informações geográficas e implementos existentes na produção e cultivo, que auxiliam as atividades do agricultor durante as etapas de plantação, maturação, conservação e colheita de determinada cultura. Ainda, estas tarefas são auxiliadas com uso de robôs agrícolas móveis terrestres, como plataformas veiculares autônomas para a locomoção entre as linhas de plantio na aquisição de dados do campo. Dadas estas informações e relacionando o grau de investimento e desenvolvimento destas tecnologias, o objetivo deste trabalho é auxiliar a inspeção, quantificação e qualificação de culturas agrícolas (citricultura) de determinada área de plantio através da análise e identificação de dados por fusão sensorial, associada a processamento de imagens digitais, termografia óptica e sensores de fluxo óptico e refletância, baseado na extração de objetos de cenas naturais reais, identificando itens como frutos, gramíneas, caules, ramos, folhas e galhos, provendo assim um conjunto de dados qualitativos e quantitativos da cultura analisada. A partir de um sistema de visão computacional e fusão sensorial, com câmeras GigE/IP-CMOS, conjunto de sonares, câmera térmica, sensores de fluxo óptico e sensores de refletância, são embarcados nas laterais da estrutura veicular, com a mesma relação do centro geométrico cinemático do robô agrícola móvel. Após a aquisição dos dados, são aplicadas técnicas de processamento de imagens e sinais para a segmentação de regiões não homogêneas, e reconhecimento de padrões por classificadores estatísticos. Tais técnicas são programadas em OpenCV e MATLAB, de forma offline. Classificadores cognitivos que realizam as correspondências de padrões e classes são pretendidos na combinação de técnicas de fusão de dados ponderada, para que, durante a locomoção do robô agrícola móvel, as etapas de processamento de imagens e combinação de parâmetros para a classificação sejam manipuláveis para análise a posteriori, conflitando os dados existentes com prováveis alterações decorrentes na cultura e na biomassa. / Computer systems are used in Precision Agriculture (PA) to provide relational sampling, accuracy and data processing required for agricultural practices and schemes, which are not common to conventional agriculture, demanding higher costs of production and research directed to the remote sensing for mapping and inspection of crop rows. Tasks are carried out using a priori On-the-Go sensors, and proprioceptive and exteroceptive ones, embedded instrumentation, geographic information and existing implements on production and farming, which these activities ensure during the steps of planting, maturation, maintenance and harvesting of a particular culture. Also, these tasks are aided with the use of terrestrial agricultural mobile robots such as autonomous vehicle platforms for locomotion between the crop rows in the acquisition of field data. Given this information and relating the investment and development of these technologies, the goal of this work is to assist the inspection, quantification and qualification of agricultural crops (citrus) of planting area through analyzing and identifying data for sensor fusion, associated with digital image processing, optical thermal imaging and optical flow sensors and reflectance, based on the extraction of real natural scenes objects, identifying items such as fruits, grasses, stems, branches and leaves, thus providing a qualitative and quantitative set of data analyzed culture. As of a computer vision system and sensor fusion, Gigabit Ethernet cameras, sonars, thermal camera, infrared optical flow sensors and monochrome CMOS sensors are embedded in two sides of the vehicle structure, with the same geometric center ratio of the agricultural mobile robot. After data acquisition, image and signal processing techniques are applied for non homogeneous region segmentation, and pattern recognition through statistical classifiers. Such techniques are programmed in MATLAB and OpenCV, embedded in a computer platform. Cognitive classifiers that perform pattern and classes matching are intended on a combination of weighted data fusion techniques, that during locomotion of the agricultural mobile robot, the steps of image processing and combination of parameters for classification are manipulated for analysis retrospectively, conflicting existing data with likely changes resulting in culture and biomass.

Sistemas computacionais empregados na Agricultura de Precisão (AP) são dedicados, atualmente, a prover relativa amostragem, precisão e nível de processamento de dados requeridas pelas práticas agrícolas, que não são comuns a agricultura convencional, elevando custos com a produção e pesquisas direcionadas ao sensoriamento remoto, para o mapeamento e inspeção das linhas de plantio. São tarefas a priori realizadas com o uso de sensores proprioceptivos e exteroceptivos, instrumentação embarcada, informações geográficas e implementos existentes na produção e cultivo, que auxiliam as atividades do agricultor durante as etapas de plantação, maturação, conservação e colheita de determinada cultura. Ainda, estas tarefas são auxiliadas com uso de robôs agrícolas móveis terrestres, como plataformas veiculares autônomas para a locomoção entre as linhas de plantio na aquisição de dados do campo. Dadas estas informações e relacionando o grau de investimento e desenvolvimento destas tecnologias, o objetivo deste trabalho é auxiliar a inspeção, quantificação e qualificação de culturas agrícolas (citricultura) de determinada área de plantio através da análise e identificação de dados por fusão sensorial, associada a processamento de imagens digitais, termografia óptica e sensores de fluxo óptico e refletância, baseado na extração de objetos de cenas naturais reais, identificando itens como frutos, gramíneas, caules, ramos, folhas e galhos, provendo assim um conjunto de dados qualitativos e quantitativos da cultura analisada. A partir de um sistema de visão computacional e fusão sensorial, com câmeras GigE/IP-CMOS, conjunto de sonares, câmera térmica, sensores de fluxo óptico e sensores de refletância, são embarcados nas laterais da estrutura veicular, com a mesma relação do centro geométrico cinemático do robô agrícola móvel. Após a aquisição dos dados, são aplicadas técnicas de processamento de imagens e sinais para a segmentação de regiões não homogêneas, e reconhecimento de padrões por classificadores estatísticos. Tais técnicas são programadas em OpenCV e MATLAB, de forma offline. Classificadores cognitivos que realizam as correspondências de padrões e classes são pretendidos na combinação de técnicas de fusão de dados ponderada, para que, durante a locomoção do robô agrícola móvel, as etapas de processamento de imagens e combinação de parâmetros para a classificação sejam manipuláveis para análise a posteriori, conflitando os dados existentes com prováveis alterações decorrentes na cultura e na biomassa. / Computer systems are used in Precision Agriculture (PA) to provide relational sampling, accuracy and data processing required for agricultural practices and schemes, which are not common to conventional agriculture, demanding higher costs of production and research directed to the remote sensing for mapping and inspection of crop rows. Tasks are carried out using a priori On-the-Go sensors, and proprioceptive and exteroceptive ones, embedded instrumentation, geographic information and existing implements on production and farming, which these activities ensure during the steps of planting, maturation, maintenance and harvesting of a particular culture. Also, these tasks are aided with the use of terrestrial agricultural mobile robots such as autonomous vehicle platforms for locomotion between the crop rows in the acquisition of field data. Given this information and relating the investment and development of these technologies, the goal of this work is to assist the inspection, quantification and qualification of agricultural crops (citrus) of planting area through analyzing and identifying data for sensor fusion, associated with digital image processing, optical thermal imaging and optical flow sensors and reflectance, based on the extraction of real natural scenes objects, identifying items such as fruits, grasses, stems, branches and leaves, thus providing a qualitative and quantitative set of data analyzed culture. As of a computer vision system and sensor fusion, Gigabit Ethernet cameras, sonars, thermal camera, infrared optical flow sensors and monochrome CMOS sensors are embedded in two sides of the vehicle structure, with the same geometric center ratio of the agricultural mobile robot. After data acquisition, image and signal processing techniques are applied for non homogeneous region segmentation, and pattern recognition through statistical classifiers. Such techniques are programmed in MATLAB and OpenCV, embedded in a computer platform. Cognitive classifiers that perform pattern and classes matching are intended on a combination of weighted data fusion techniques, that during locomotion of the agricultural mobile robot, the steps of image processing and combination of parameters for classification are manipulated for analysis retrospectively, conflicting existing data with likely changes resulting in culture and biomass.

Apresenta-se o desenvolvimento de modelos matemáticos e algoritmos de fusão sensorial para navegação terrestre usando uma unidade de medição inercial (UMI) de baixo desempenho e o Filtro Estendido de Kalman. Os modelos foram desenvolvidos com base nos sistemas de navegação inercial strapdown (SNIS). O termo baixo desempenho refere-se à UMIs que por si só não são capazes de efetuar o auto- alinhamento por girocompassing. A incapacidade de se navegar utilizando apenas uma UMI de baixo desempenho motiva a investigação de técnicas que permitam aumentar o grau de precisão do SNIS com a utilização de sensores adicionais. Esta tese descreve o desenvolvimento do modelo completo de uma fusão sensorial para a navegação inercial de um veículo terrestre usando uma UMI de baixo desempenho, um hodômetro e uma bússola eletrônica. Marcas topográficas (landmarks) foram instaladas ao longo da trajetória de teste para se medir o erro da estimativa de posição nesses pontos. Apresenta-se o desenvolvimento do Filtro de Kalman Adaptativo Suavizado (FKAS), que estima conjuntamente os estados e o erro dos estados estimados do sistema de fusão sensorial. Descreve-se um critério quantitativo que emprega as incertezas de posição estimadas pelo FKAS para se determinar a priori, dado os sensores disponíveis, o intervalo de tempo máximo que se pode navegar dentro de uma margem de confiabilidade desejada. Conjuntos reduzidos de landmarks são utilizados como sensores fictícios para testar o critério de confiabilidade proposto. Destacam-se ainda os modelos matemáticos aplicados à navegação terrestre, unificados neste trabalho. Os resultados obtidos mostram que, contando somente com os sensores inerciais de baixo desempenho, a navegação terrestre torna-se inviável após algumas dezenas de segundos. Usando os mesmos sensores inerciais, a fusão sensorial produziu resultados muito superiores, permitindo reconstruir trajetórias com deslocamentos da ordem de 2,7 km (ou 15 minutos) com erro final de estimativa de posição da ordem de 3 m. / This work presents the development of the mathematical models and the algorithms of a sensor fusion system for terrestrial navigation using a low-grade inertial measurement unit (IMU) and the Extended Kalman Filter. The models were developed on the basis of the strapdown inertial navigation systems (SINS). Low-grade designates an IMU that is not able to perform girocompassing self-alignment. The impossibility of navigating relying on a low performance IMU is the motivation for investigating techniques to improve the SINS accuracy with the use of additional sensors. This thesis describes the development of a comprehensive model of a sensor fusion for the inertial navigation of a ground vehicle using a low-grade IMU, an odometer and an electronic compass. Landmarks were placed along the test trajectory in order to allow the measurement of the error of the position estimation at these points. It is presented the development of the Smoothed Adaptive Kalman Filter (SAKF), which jointly estimates the states and the errors of the estimated states of the sensor fusion system. It is presented a quantitative criteria which employs the position uncertainties estimated by SAKF in order to determine - given the available sensors, the maximum time interval that one can navigate within a desired reliability. Reduced sets of landmarks are used as fictitious sensors to test the proposed reliability criterion. Also noteworthy are the mathematical models applied to terrestrial navigation that were unified in this work. The results show that, only relying on the low performance inertial sensors, the terrestrial navigation becomes impracticable after few tens of seconds. Using the same inertial sensors, the sensor fusion produced far better results, allowing the reconstruction of trajectories with displacements of about 2.7 km (or 15 minutes) with a final error of position estimation of about 3 m.

Neste trabalho, é abordado o problema da navegação de um veículo submarino autônomo. São propostos estimadores de estado que realizam fusão sensorial baseada em Filtro Estendido de Kalman. Esses estimadores de estado empregam as medidas dos seguintes sensores: uma unidade de medição inercial, um sensor de velocidade por efeito Doppler, um profundímetro e uma bússola. Primeiramente foi projetado um estimador de estados para o AUV Pirajuba, onde a estimação da orientação do veículo é realizada de forma desacoplada à estimação da velocidade e posição do veículo. Em seguida, foram desenvolvidos dois estimadores de estado que estimam orientação, velocidade e profundidade do veículo de forma acoplada. Para o projeto e testes dos estimadores mencionados anteriormente, foi empregada uma base de dados contendo um registro de medições reais dos sensores do veículo submarino autônomo Pirajuba, durante testes de campo no lago de uma represa. Os resultados dos testes validaram os estimadores de estado propostos nesse trabalho. Por último, foi realizada uma análise comparativa dos estimadores de estado mencionados. / This work concerns the navigation problem of an autonomous underwater vehicle. Some state estimators using sensorial fusion were proposed, the sensorial fusion is based in an Extended Kalman Filter. The state estimators are fed by measurements of the following sensors: an inertial measurements unit, a velocity sensor by Doppler effect, a depthmeter and a compass. In the first version of the EKF algorithm, the vehicles attitude estimation was decoupled from the vehicle velocity estimation. The second version considers the coupling between linear velocity and the attitude in the vehicle reference frame, taking the velocity reading for correction of the filter estimates. Finally, in the third version, the coupling between position and attitude is also considered, but the correction of the filters estimates is based on the depth readings. Experiments for supporting the design and validation of the navigation algorithms were based on a database constructed with motion measurements during the AUV maneuvers in the north coast of Sao Paulo, and the Guarapiranga lake in the São Paulo city. This work presents a comparative analysis of those algorithms.

Submitted by Luciclea Silva (luci@ufpa.br) on 2018-06-28T15:41:26Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiaestimacaointencao.pdf: 4321809 bytes, checksum: ee25c52b7eb870417e74f761487a7600 (MD5) / Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-06-28T15:41:47Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiaestimacaointencao.pdf: 4321809 bytes, checksum: ee25c52b7eb870417e74f761487a7600 (MD5) / Made available in DSpace on 2018-06-28T15:41:47Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiaestimacaointencao.pdf: 4321809 bytes, checksum: ee25c52b7eb870417e74f761487a7600 (MD5) Previous issue date: 2018-03-28 / FAPESPA - Fundação Amazônia de Amparo a Estudos e Pesquisas / Os sinais musculares capturados a partir da eletromiografia (EMG) são bastante utilizados para detecção de contração muscular e intenção de movimento. Ao se utilizar tais sinais em tempo real, em controle de próteses, depara-se com um sinal amplificado e ruidoso. Com isso, precisa-se ter métodos recursivos, robustos a ruídos e algoritmos eficazes, para gerar comandos em tempo real para o atuador robótico. Nesta pesquisa, foram investigadas técnicas de identificação estocástica autoregressiva, filtro de Kalman, fusão sensorial e controle preditivo estocástico, aplicados para melhorar o processo de medição de sinais mioelétricos e dar robustez ao controle de próteses biomecatrônicas, buscando-se obter um processo aprimorado, menos sensível ao ruído e com redução de atrasos. Nesta dissertação o método proposto consiste em 4 estágios: (1) extração de características usando o método auto regressivo (AR), (2) fusão de dados com filtro de Kalman, (3) algoritmo de estimação de movimento e (4) controle preditivo de variância mínima generalizado aplicado em um servomecanismo. Os principais objetivos buscados foram: melhorar a relação sinal/ruído nos sinais mioelétricos (SMEs), obter uma interface homem-máquina de processamento em tempo real de baixo custo, evitar problemas de medição e minimizar o consumo de energia do sistema de controle. Foi desenvolvida uma planta didática, que é um sistema microcontrolado para aquisição, processamento de 4 canais de eletromiografia e controle de um servomecanismo acoplado em uma garra robótica. Foram realizados testes experimentais nesse processo biomecatrônico e pelos resultados obtidos pode-se confirmar que é possível estimar continuamente a intenção de movimento de abrir e fechar da mão e comprovam o bom desempenho de um controlador estocástico projetado para o controle da prótese mioelétrica. / Muscle signals from electromyography (EMG) are widely used to detect muscle contraction and intention to motion. By using these signals in real time in prosthetic control, a low signal to noise ratio is commonly found. Thus, it is necessary to have recursive methods, robust to noise and efficient algorithms, to generate commands in real time for the robotic actuator. In this research, stochastic system indentification techniques, Kalman filter, sensor fusion and stochastic predictive control techniques were investigated and applied to improve the measurement and processing of electromyographic signals to increase robustness in the control of biomechatronic prostheses. Thus, it is an improved process, less sensitive to noise and with minimal delays and phase lags. In this methodology, a four-stage distribution method is used: (1) features extraction by using an autoregressive model (AR), (2) data fusion with the Kalman filter, (3) motion estimation algorithm, and (4) predictive control with the generalized minimum variance controller applied to a servomechanism. The main objectives were: to enhance the signal-to-noise ratio of EMG signals, to have a low-cost real-time processing man-machine interface, to avoid measurement problems and to minimize energy consumption of the control system. A didactic plant was developed, which is a 4 channel EMG data acquisition and processing system with a servomechanism and its control system coupled in a robotic jaw. Practical tests were conducted with the prototype and the results show that it is possible to continuously estimate the intention of opening and closing movement of the hand and can confirm the good performance of the stochastic controller designed for the control of the electric prosthesis.