Während Ihrer Bachelor- (BA) oder Masterarbeit (MA) zeigen Studenten Ihre Fähigkeit selbständig Probleme aus Ihrem Studienbereich wissenschaftlich zu lösen.
Die folgende Liste bietet einen Überblick über mögliche Arbeiten und Projekten in unserer Forschungsgruppe. Studenten sind auch jederzeit herzlich willkommen Themen vorzuschlagen und direkt Kontakt zu einem Betreuer aufzunehmen.
Offene Projekte
Laufende Projekte
Abgeschlossene Projekte
Laufende Projekte
Initialisierung von Ultra-Breitband (UWB) Modulen für die Positionsbestimmung von Multikoptern
| Betreuer: | Univ.Prof. Dr. Stephan Weiss |
|---|---|
| Student: | Stefan Fillafer |
| Kategorie | Masterarbeit |
Beschreibung:
Um die Position eines Multikopters im Raum zu bestimmen, werden mindestens drei Fixpunkte (UWB Module) mit bekannter Position in einem festgelegten Navigationsframe benötigt. Des Weiteren ist auf dem Multikopter ein Empfänger angebracht, welcher die Distanz zu den UWB Modulen misst.
Bildlich gesprochen generiert jedes UWB Modul eine Sphäre mit der Distanz zum UWB Empfänger als Radius. Diese drei Sphären zusammen schneiden sich in zwei Punkten. Unter bestimmten Annahmen kann die eindeutige Position des UWB Empfängers festgestellt werden.
Sobald das System im Navigationsframe initialisiert ist, fügt ein tightly coupled extended Kalman Filter die Distanzmessungen und die Daten der on-board intertial measurement unit (IMU) zusammen. Dies liefert hoch frequente, sehr genaue Pose-Schätzungen für die darunterliegenden Controller. Hier bedeutet ein tightly coupled Ansatz, dass die Position des Multikopters direkt von der Distanzmessung (1D) der einzelnen UWB Module abgeleitet wird und nicht die Position des UWB Empfängers (trianguliert in 3D in einem Vorverarbeitungsschritt) in dem Filter Framework verwendet wird.
Die Position der UWB Module wird bei der Initialisierung des Filters automatisch berechnet. Das bedeutet, dass diese Information nicht vor dem Start des Multikopters benötigt wird.
Um ausreichend Informationen für die Berechnung der ersten Schätzung der Position der UWB Module zu bekommen, muss sich der Multikopter zu bestimmten Punkten in der Umgebung bewegen. Diese Punkte müssen gut gewählt werden, um die Anzahl der benötigten Punkte zu minimieren (sie müssen viel „Information“ beinhalten). Wir werden ein Verfahren entwickeln, welches informative Punkte automatisch definiert, so dass der Multikopter in der Lage ist, den Schätzer selbstständig nach dem Abheben zu initialisieren.
Wir verwenden visuelle Marker (z.B. AR-Marker) als Referenz für automatisches abheben und für das initiale Setup des Navigationframes. Mit dieser Information soll der Multikopter zu den selbstständig definierten informativen Punkten navigieren, was dem System das automatische initialisieren der UWB Module ermöglicht. Ein nahtloser Übergang beim Wechseln der Sensoren erlaubt den Multikopter die UWB Messungen zu integrieren, sobald sie genau genug sind. Diese Multi-Sensor Fusionsstrategie ermöglicht den Multikopter seinen Flugbereich über den Sichtbereich der visuellen Marker zu erweitern.
Inverse compositional Algorithmus für UAV pose estimation
| Betreuer: | Univ.Prof. Dr. Stephan Weiss |
|---|---|
| Student: | Magnus Offermans |
| Kategorie | Masterarbeit |
Beschreibung:
Der inverse compositional image alignement Algorithmus ist ein Bild-registrierungs Algorithmus der die Veränderung des Bildes in Translation, Rotation und Skalierung zwischen zwei ähnlichen, zum Beispiel Zeitnah aufgenommenen Bildern, berechnet. Dazu wird der Gradient der zwei Bilder herangezogen (Dense approach). Im Gegensatz, zu Merkmal basierenden Änsätzen (feature based approaches), die auch als Sparse Algorithmen bezeichnet werden, liefern Dense approaches besserer Resultate, sind aber rechenintensiver.
Anwendungen für den inverse compositional Algorithmus finden sich in der Pose Schätzung von unbemannten Helikoptern, sogenannten UAV’s. Diese sollen nur aufgrund von Bildern einer, an der UAV befestigten Kamera, selbständig manövrieren können. Indem man die Veränderung von aufeinanderfolgenden Bilder errechnet ist es möglich die Pose der UAV zu schätzen. Dies wird als Visual Odometry bezeichnet.
Ziele dieses Projekts sind die Implementierung in Matlab und anschließend in C++, damit der Algorithmus auf unbemannten Helikoptern zum Einsatz kommen kann um die Pose zu schätzen. Um den rechenaufwand zu verkleinern soll eine Methode gefunden werden um die Information pro genutzten Pixel zu maximieren.
Abgeschlossene Projekte
Multi-State Constraint Kalman Filter Implementation auf UAVs
| Betreuer: | Univ.Prof. Dr. Stephan Weiss |
|---|---|
| Student: | Eren Allak, M.Sc. ETH Mechanical Engineering |
| Kategorie | Academic Internship |
Der Multi-State Constraint Kalman Filter Algorithmus bestimmt die Position mittels visual-inertial-odomtry (VIO), d.h der Zustand wird nur mit Bild- und Inertialsensordaten geschätzt. Dieser filterbasierte Ansatz wird auf unbemannten Helikoptern (Unmanned Aerial Vehicle, UAV) implementiert, um es ihnen zu ermöglichen sich zu lokalisieren und autonom zu agieren. Integriert wird der Algorithmus in einem multi-rate und verzögerungskompensierten Sensor-Fusion-Framework, um den UAVs genauest mögliche Zustandsschätzungen in einem geschlossenen Regelkreis bereit zu stellen. Der MSCKF Ansatz hat sehr präzise Resultate geliefert und ist nicht rechenaufwändig, passend zu den limitierten Rechenleistung von UAVs.
Sogenannte Feature sind hoch charakteristische Bildpunkte, die über mehrere Bilder verfolgt werden können und werden genutzt um Positionsinformationen aus der Umgebung zu gewinnen.
MSCKF kann als tightly-coupled und sparse bezeichnet werden, da es Features benutzt zur Lokalisierung. Tightly-coupled bedeutet, dass die Berechnung von Positionen auf der Trajektorie mathematisch direkt beeinflusst werden von den Features. Der Algorithmus ist ausserdem als sparse zu bezeichnen, da nur einzelne Punkte und nicht ganze Bildausschnitte verwendet werden. Dieser Algorithmus ist ein hybrider error-state EKF (Extended Kalman Filter). Hybrid, da die Zustände integriert werden während der Propagation, durch Verwendung der zeitkontinuierlichen Dynamik. Als error-state werden Filter bezeichnet, die nicht direkt die beobachteten Grössen als Zustände schätzen, sonder die Fehler der Schätzung (Tangentenraum) zu den wahren Grössen schätzen.
Werfen und fliegen – schnell einsetzbare Helikopter
| Betreuer: | Univ.Prof. Dr. Stephan Weiss |
|---|---|
| Student: | Dejan Sazdov |
| Kategorie | Projektarbeit Master |
Beschreibung:
Ziel dieses Projektes ist es, ein Framework zu implementieren, das einen schnellen Einsatz von kleinen Helikopter ermöglicht, indem nur Informationen von Inertialsensoren (Beschleunigungssensor, Gyroskop) und einer einzigen Kamera verwendet werden. Der Fokus des schnellen Einsatzes liegt auf der Benutzerfreundlichkeit, die direkt durch Parameter wie Startzeit und die schnelle Systembereitschaft (d.h. die schnelle Zustandsinitialisierung und -Konvergenz) beeinflusst wird. So wollen wir ein einfaches Verfahren entwickeln, um die Plattform schnell zu initialisieren, damit autonome Missionen direkt begonnen werden können. Wir gehen von einem vorhandenen Zustandsschätzer aus, welcher Lage und metrische Position bzw. Geschwindigkeit zur Verfügung stellt und fokussieren uns auf die Entwicklung der Zustandsmaschine für den schnellen Einsatz der Plattform. Da wir uns auf die GPS-freie visuell-inertiale Zustandsschätzung konzentrieren, benötigt das System (aggressive) Bewegung für eine schnelle Konvergenz der Zustände. So konzentrieren wir uns speziell auf eine Einsatzstrategie, bei welcher der Helikopter buchstäblich in die Luft geworfen wird, um so einen schnellen Einsatz zu ermöglichen und zugleich genügend Bewegung für die Konvergenz der Zustände erreicht.
