liu.seSearch for publications in DiVA
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Camera Based Terrain Navigation
Linköping University, Department of Electrical Engineering, Automatic Control. Linköping University, Department of Electrical Engineering.
2009 (English)Independent thesis Advanced level (professional degree), 20 credits / 30 HE creditsStudent thesisAlternative title
Kamerabaserad terrängnavigering (English)
Abstract [en]

The standard way for both ground and aerial vehicles to navigate is to use anInertial Navigation System, INS, containing an Inertial Measurement Unit, IMU,measuring the acceleration and angular rate, and a GPS measuring the position.The IMU provides high dynamic measurements of the acceleration and the angularrate, which the INS integrates to velocity, position and attitude, respectively.While being completely impossible to jam, the dead-reckoned estimates will driftaway, i.e., the errors are unbounded. In conjunction with a GPS, providing lowdynamic updates with bounded errors, a highly dynamic system without any driftis attained. The weakness of this system is its integrity, since the GPS is easilyjammed with simple equipment and powered only by a small standard battery.When the GPS is jammed this system falls back into the behavior of the INS withunbounded errors. To counter this integrity problem a camera can be used aseither a back up to the GPS or as its replacement. The camera provides imageswhich are then matched versus a reference, e.g., a map or an aerial photo, to getsimilar estimates as the GPS would provide. The camera can of course also bejammed by blocking the view of the camera with smoke. Bad visibility can alsooccur due to bad weather, but a camera based navigation system will definitelybe more robust than one using GPS.This thesis presents two ways to fuse the measurements from the camera and theIMU, both of them utilizing the Harris corner detector to find point correspondencesbetween the camera image and an aerial photo. The systems are evaluatedby simulated data mimicking both a low and a high accuracy IMU and a camerataking snapshots of the aerial photo. Results show that for the simulated cameraimages the implemented corner detector works fine and that the overall result iscomparable to using a GPS.

Abstract [sv]

Standardsättet för både flygande och markgående fordon att navigera är att användaett tröghetsnavigeringssystem, innehållande en IMU som mäter acceleration ochvinkelhastighet, tillsammans med GPS. IMU:n tillhandahåller högfrekventa mätningarav acceleration och vinkelhastighet som integreras till hastighet, positionoch attityd. Ett sådant system är omöjligt att störa, men lider av att de dödräknadestorheterna hastighet, position och attityd, med tiden, kommer att driva ivägifrån de sanna värdena. Tillsammans med GPS, som ger lågfrekventa mätningarav positionen, erhålls ett system med god dynamik och utan drift. Svagheten i ettvvisådant system är dess integritet, då GPS enkelt kan störas med enkel och billigutrustning. För att lösa integritetsproblemet kan en kamera användas, antingensom stöd eller som ersättare till GPS. Kameran tar bilder som matchas gentemoten referens ex. en karta eller ett ortofoto. Det ger liknande mätningar som de GPSger. Ett kamerabaserat system kan visserligen också störas genom att blockerasynfältet för kameran med exempelvis rök. Dålig sikt kan också uppkomma pågrund av dåligt väder eller dimma, men ett kamerabaserat system kommer definitivtatt vara robustare än ett som använder GPS.Det här examensarbetet presenterar två sätt att fusionera mätningar från etttröghetssystem och en kamera. Gemensamt för båda är att en hörndetektor, Harriscorner detector, används för att hitta korresponderande punkter mellan kamerabildernaoch ett ortofoto. Systemen utvärderas på simulerat data. Resultatenvisar att för simulerade data så fungerar den implementerade hörndetektorn ochatt prestanda i nivå med ett GPS-baserat system uppnås.

Place, publisher, year, edition, pages
2009. , 78 p.
Keyword [en]
UAV, Kalman Filter, Particle Filter, Image Processing, Estimation
National Category
Control Engineering Signal Processing
Identifiers
URN: urn:nbn:se:liu:diva-16953ISRN: LITH-ISY-EX--09/4179--SEOAI: oai:DiVA.org:liu-16953DiVA: diva2:175105
Presentation
Glashuset, Linköpings universitet 581 83 Linköping, Linköping (Swedish)
Uppsok
teknik
Supervisors
Examiners
Available from: 2009-02-27 Created: 2009-02-26 Last updated: 2009-02-27Bibliographically approved

Open Access in DiVA

fulltext(10514 kB)763 downloads
File information
File name FULLTEXT01.pdfFile size 10514 kBChecksum SHA-512
9dd00c892982b93d488356aba469cbebdb1a659636c739ef6acf7f9d148f7041c7387a24bb5dc81d68fb9ebacd357400cc9cf45187cacc613ac318b0a687001d
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Rosander, Peter
By organisation
Automatic ControlDepartment of Electrical Engineering
Control EngineeringSignal Processing

Search outside of DiVA

GoogleGoogle Scholar
Total: 763 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 1529 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf