Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-03-27T14:38:40Z No. of bitstreams: 1 joaopedrocarvalhodesouza.pdf: 18276186 bytes, checksum: 402b9ec7121d8ad1bc3f51202005d04e (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-03-27T18:00:24Z (GMT) No. of bitstreams: 1 joaopedrocarvalhodesouza.pdf: 18276186 bytes, checksum: 402b9ec7121d8ad1bc3f51202005d04e (MD5) / Made available in DSpace on 2018-03-27T18:00:24Z (GMT). No. of bitstreams: 1 joaopedrocarvalhodesouza.pdf: 18276186 bytes, checksum: 402b9ec7121d8ad1bc3f51202005d04e (MD5) Previous issue date: 2018-02-08 / Os Veículos Aéreos Não Tripulados (VANTs) demonstram-se como tecnologia promissora visto sua alta aplicabilidade e custos reduzidos. Assim, esses veículos são estudados por engenheiros e pesquisadores que visam, além de aplicá-los, melhorar seu desempenho, segurança e torná-los autônomos e de fácil interação. Etapas de voos como decolagem, subida, cruzeiro, descida e aterrissagem são objetos de estudos para melhoria de perfomance dessas aeronaves. A aterrissagem é uma etapa delicada para o veículo, cuja operação inadequada pode resultar em acidentes e perdas. Com esse intuito, a presente dissertação propõe uma técnica para o pouso autônomo/assistido de VANTs embarcado ao veículo, sem a necessidade de estações base de processamento. Para o sensoriamento, é utilizado o algoritmo de visão computacional denominado Ar Track Alvar para identificação de marcadores artificiais, utilizados como local de pouso. A configuração do local de pouso visa a aplicação da aterrissagem em alturas mais elevadas, pois são utilizados diferentes marcadores artificiais para a sua composição. O algoritmo de pouso também é uma contribuição do presente trabalho, no qual a execução é realizada por uma Rede Neural Artificial (RNA), do tipo Multilayer Perceptron, cujo treinamento é supervisionado por uma lógica fuzzy que utiliza a inferência Mamdani. A utilização do fuzzy torna-se viável devido a sua característica não determinística, sendo menos susceptível a ruídos de sensoriamento. Outro ponto importante é a não necessidade de se ajustar ganhos para o procedimento para cada aeronave usada, tornando-se o processo perigoso e trabalhoso. Esse revés é visto em controladores clássicos como o PID. Apesar das vantagens da lógica fuzzy, essa se mostra computacionalmente custosa devido a seu processo Mamdani. Como uma RNA treinada é um conjunto de operações matriciais, é proposto o treinamento da mesma supervisionada pelo algoritmo fuzzy já funcional. Assim se reduz a complexidade computacional do algoritmo embarcado facilitando o processsamento de imagem. O firmware de aterrissagem proposto é desenvolvido sobre o framework Robot Operation System (ROS) e focado para replicação em dispositivos reais e embarcados. Os resultados são apresentados em Software in the Loop (SITL) e em experimentos reais em ambientes externos para locais de pouso estáticos e dinâmicos. A comparação de desempenhos dos algoritmos é mostrada. O desempenho atingido foi satisfatório e a capacidade da RNA, além da redução da complexidade computacional, foram verificadas. / Unmanned Aerial Vehicles (UAVs) are shown as promising technology because of their high applicability and low costs. Thus, these vehicles are engineers and researchers studies targets that aim, in addition to applying them, to improve their performance, safety and make them autonomous and easily interaction. Flight stages such as takeoff, ascent, cruise, descent and landing are objects of studies to improve these aircrafts performance. Landing is a delicate stage for the vehicle, whose improper operation can result in accidents and losses. With this purpose, the present dissertation proposes a technique for the UAVs autonomous/assisted landing onboard the vehicle, without the use of ground control stations. As a sensing, the Ar Track Alvar computational vision algorithm is used to identify artificial markers used as a landing site. The landing site configuration aims the application of landing at higher altitudes, as different artificial markers are used for its composition. The landing algorithm is also a contribution of the present work, in which the execution is performed by an Multilayer Perceptron Artificial Neural Network (ANN) whose training is supervised by a logic fuzzy that uses the Mamdani inference. The use of fuzzy becomes viable due to non-deterministic characteristic and is less susceptible to sensing noise. Another important point is the no need to adjust gains for the procedure for each aircraft used, making the process dangerous and laborious. This setback is seen in classic controllers like the PID. Despite the advantages of fuzzy logic, this is computationally costly due to its Mamdani process. As a trained RNA is a set of matrix operations, it is proposed to train it supervised by the already functional fuzzy algorithm. This reduces the computational complexity of the embedded algorithm, facilitating image processing. The proposed landing firmware is developed on the Robot Operation System (ROS) and is focused on replication on real and embedded devices. The results are presented in Software in the Loop (SITL) and in real experiments at outdoor environments for static and dynamic landing spots. Comparison of algorithm performances is also shown. The performance was satisfactory and the RNA capacity and computational complexity reduction were verified.