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%.

Bakgrund  Bedömning av skaderisk bland lagidrottare görs ofta med analys av nedre extremiteternas mekanik under hopptester. Dessa hopptester saknar dock oftast samtidiga kognitiva krav och speglar inte den kaotiska idrottsmiljön. För att öka den validiteten av hopptesterna har ett antal studier de senaste åren undersökt inverkan av sekundära kognitiva uppgifter på prestation och rörelsemönster.  Syfte  Syftet var att sammanställa och utvärdera evidensen för inverkan av sekundära kognitiva uppgifter för prestation och nedre extremiteternas mekanik vid hopptester bland atleter.  Metod  En systematisk litteraturöversikt utfördes enligt PRISMA:s riktlinjer. Tre databaser (PubMed, Cinahl och SportDiscus) söktes för studier som jämförde prestation och/eller nedre extremiteternas mekanik mellan ett hopptest med och utan en kognitiv uppgift bland idrottsaktiva personer mellan 15 – 40 år. Studierna granskades för Risk of Bias med en modifierad version av Downs and Black checklista och för kvalitén av evidensen med GRADE.   Resultat  Av 241 hittade artiklar ansågs 10 uppfylla kriterierna för översikten. De hopptest som analyserats var till exempel drop vertical jump, enbenslandningar och riktningsförändringar. Kognitiva uppgifterna bestod bland annat av räkningsuppgifter, beslutsfattande och arbetsminne. Baserat på väldigt låg till moderat evidens, tyder resultaten på att en sekundär kognitiv uppgift vid hopptester leder till signifikant mindre knäflexion, större knäabduktion, samt större inåtrotation i knä och anklar bland idrottare. Baserade på samma evidensnivå visade resultaten på längre markkontakttid samt lägre reaktiv styrka och lägre hopphöjd.  Slutsats  Sekundär kognitiva uppgifter påverkar prestation och mekaniken i nedre extremitet under ett hopp. Resultaten tyder på att bedömning av skaderisk vid hopptester bör ske med en sekundär kognitiv uppgift för ökad känslighet.

This bachelors thesis presents a vision based control system for the quadrotor aerial vehicle,Crazy ie 2.0, developed by Bitcraze AB. The main goal of this thesis is to design andimplement an o-board control system based on visual input, in order to control the positionand orientation of the vehicle with respect to a single ducial marker. By integrating a cameraand wireless video transmitter onto the MAV platform, we are able to achieve autonomousnavigation and landing in relatively close proximity to the dedicated target location.The control system was developed in the programming language Python and all processing ofthe vision-data take place on an o-board computer. This thesis describes the methods usedfor developing and implementing the control system and a number of experiments have beencarried out in order to determine the performance of the overall vision control system. Withthe proposed method of using ducial markers for calculating the control demands for thequadrotor, we are able to achieve autonomous targeted landing within a radius of 10centimetres away from the target location. / I detta examensarbete presenteras ett visionsbaserat kontrollsystem for dronaren Crazy ie 2.0som har utvecklats av Bitcraze AB. Malet med detta arbete ar att utforma och implementeraett externt kontrollsystem baserat pa data som inhamtas av en kamera for att reglera fordonetsposition och riktning med avseende pa en markor placerad i synfaltet av kameran. Genom attintegrera kameran tillsammans med en tradlos videosandare pa plattformen, visar vi i dennaavhandling att det ar mojligt att astadkomma autonom navigering och landning i narheten avmarkoren.Kontrollsystemet utvecklades i programmeringsspraket Python och all processering avvisions-datan sker pa en extern dator. Metoderna som anvands for att utvecklakontrollsystemet och som beskrivs i denna rapport har testats under ett ertal experiment somvisar pa hur val systemet kan detektera markoren och hur val de olika ingaendekomponenterna samspelar for att kunna utfora den autonoma styrningen. Genom den metodsom presenteras i den har rapporten for att berakna styrsignalerna till dronaren med hjalp avvisuell data, visar vi att det ar mojligt att astadkomma autonom styrning och landning motmalet inom en radie av 10 centimeter.

The space industry and the technological developments regarding space exploration hasn’t been this popular since the first moon landing. The privatization of space exploration and the vertical landing rockets made rocket science mainstream again. While being able to reuse rockets is efficient both in terms of profitability and popularity, these developments are still in their early stages. Vertical landing has challenges that, if neglected, can cause disastrous consequences. The existing studies on the matter usually don’t account for aerodynamics forces and corresponding controls, which results in higher fuel consumption thus lessening the economical benefits of vertical landing. Similar problems have been tackled in studies not regarding booster landings but regarding planetary landings. And while multiple solutions have been proposed for these problems regarding planetary landings, the fact that the reinforcement learning concepts work well and provide robustness made them a valid candidate for applying to booster landings. In this study, we focus on developing a vertical booster descent guidance and control law that’s robust by applying reinforcement learning concept. Since reinforcement learning method that is chosen requires solving Optimal Control Problems (OCP), we also designed and developed an OCP solver software. The robustness of resulting hybrid guidance and control policy will be examined against various different uncertainties including but not limited to wind, delay and aerodynamic uncertainty. / Rymdindustrin och den tekniska utvecklingen av rymdutforskningen har inte varit så populär sedan den första månlandningen. Privatiseringen av utforskningen av rymden och de vertikala landningsraketerna medförde att raketvetenskapen återkom som en viktig huvudfråga igen. Även om det är effektivt att återanvända raketer i form av lönsamhet och popularitet, är denna utveckling fortfarande i sina tidiga stadier. Vertikal landning har utmaningar som, om de försummas, kan orsaka katastrofala konsekvenser. De befintliga studierna i frågan redovisar vanligtvis inte aerodynamikkrafter och motsvarande regulatorer, vilket resulterar i högre bränsleförbrukning som minskar de ekonomiska fördelarna med vertikal landning. Liknande problem har hanterats i studier som inte avsåg boosterlandningar utan om planetariska landningar. Även om flera lösningar har föreslagits för dessa problem beträffande planetariska landningar, det faktum att förstärkningsinlärningskonceptet fungerar bra och ger robusthet gjorde dem till en giltig kandidat för att ansöka om boosterlandningar. I den här studien fokuserar vi på att utveckla en lagstiftning för styrning av vertikala booster-nedstigningar som är robust genom att tillämpa koncepten inom förstärkningsinlärning. Ef- tersom förstärkt inlärningsmetod som väljs kräver lösning av optimala kontrollproblem (OCP), designade och utvecklade vi också en OCP-lösningsmjukvara. Robustheten för resulterande hybridstyrning och kontrollpolicy kommer att undersökas mot olika osäkerheter inklusive, men inte begränsat till vind, fördröjning och aerodynamisk osäkerhet.

Cooperative control of autonomous multi-agent systems is a research areawhich is getting significant attention in recent years. Multi-agent systemsallow for a broad spectrum of applications and cooperation can increasetheir flexibility, efficiency and robustness to changes in external constraintsand disturbances. Focusing on autonomous vehicles, examples of possibleapplications of cooperative multi-agent systems include search and rescuemissions, autonomous delivery and performing of emergency landings.The purpose of the thesis is to develop and implement a cooperativerendezvous algorithm based on model predictive control and apply it to theproblem of autonomous landing in an indoor setting. The agents involved in themaneuver are a quadcopter and a ground carrier. The two agents cooperativelynegotiate on the optimal location for the touchdown taking also into accountrelevant spatial constraints and, if necessary, update that location, also referredto as rendezvous point, in real-time throughout the maneuver.The algorithm is first tested and validated in a simulated environment andfinally on the physical system during real-time operations.Additional scenarios are tested in the simulated environment in order tofurther inspect the potential capabilities of the developed algorithm. Thoseadditional simulations analyse how the algorithm behaves when a constantlateral wind influences the quadcopter; when the controllers operate at areduced frequency; and when the quadcopter is affected by an external Gaussiandisturbance.The developed algorithm proved to be suitable for the purpose, allowingthe agents to perform the desired maneuver in a relatively short time and witha high degree of precision. / Kooperativ reglering av autonoma fleragentsystem är ett forskningsområdesom har fått stor uppmärksamhet de senaste åren. Fleragentsystem möjliggörett brett spektrum av applikationer samtidigt som kooperation kan öka derasflexibilitet, effektivitet och robusthet mot förändringar i yttre begränsningar ochstörningar. Med fokus på autonoma fordon, exempel på möjliga tillämpningarav kooperativa fleragentsystem inkluderar sök- och räddningsuppdrag, autonomleverans och utförande av nödlandningar.Syftet med rapporten är att utveckla och implementera en kooperativrendezvous -algoritm baserad på modellprediktiv reglerteknik samt att tillämpaden för att utföra en inomhus autonom landning. I vår uppställning beståragenterna i manövern av en quadcopter och en markbärare. De två agenternaförhandlar samarbetsvilligt om den optimala platsen för landning samtidigtsom de beaktar relevanta rumsliga begränsningar och uppdaterar vid behovden platsen i realtid under hela manövern.Algoritmen testas och valideras först i en simulerad miljö och slutligen pådet fysiska systemet under en realtidsmiljö.Ytterligare scenarier testas i den simulerade miljön för att bortre inspekterapotentialen hos den utvecklade algoritmen. Dessa extra simuleringar illustrerarhur algoritmen beter sig när en konstant sidovind påverkar quadcoptern; närstyrenheterna arbetar med reducerad frekvens; och när quadcoptern påverkasav en yttre Gaussisk störning.Den utvecklade algoritmen visade sig vara lämplig för ändamålet, vilketgjorde att agenterna kunde utföra önskad manöver på relativt kort tid och medhög precision.