Return to search

Autonomous Recharging System for Drones: Detection and Landing on the Charging Platform

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%.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-245197
Date January 2019
CreatorsAlvarez Custodio, Maria
PublisherKTH, Skolan för elektroteknik och datavetenskap (EECS)
Source SetsDiVA Archive at Upsalla University
LanguageEnglish
Detected LanguageSwedish
TypeStudent thesis, info:eu-repo/semantics/bachelorThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess
RelationTRITA-EECS-EX ; 2019:32

Page generated in 0.0025 seconds