controle de um veÍculo quadrirrotor … · keywords quadcopter, visual servoing, pd control,...

CONTROLE DE UM VEÍCULO QUADRIRROTOR USANDO UM SISTEMA DE CAPTURA DE MOVIMENTOS

LEANDRO L. GOMES, LUCAS LEAL, TIAGO ROUX OLIVEIRA , JOSÉ PAULO V. S. DA CUNHA

Departamento de Eletrônica e Telecomunicações, Faculdade de Engenharia Universidade do Estado do Rio de Janeiro

Rua São Francisco Xavier 524, sala 5001E — 20550-900 E-mails: [email protected], [email protected], [email protected], [email protected]

Abstract The use of unmanned aerial vehicles (UAVs) on academic research has been increasing due, mainly, to their low cost. This project aims to develop an algorithm to control an unmanned aerial vehicle by visual servoing using a motion capture system as a sensor. By using the quadcopter AR.Drone and the Vicon System as a sensor, an algorithm has been developed, which integrates these platforms to generate the control actions for solving problems involving robotics, visual servoing and con-trol. Based on the target tracking problem, where the goal is to make the vehicle to follow a moving target, a Proportional De-rivative control was implemented in discrete time, where the error signal is the difference between the target position and the ve-hicle position, measured by the Vicon System. Experimental results illustrate the performance of this control system.

Keywords Quadcopter, Visual servoing, PD Control, Motion capture system, UAV.

Resumo O uso de veículos aéreos não tripulados (VANTs) como base em pesquisas acadêmicas vem aumentando gradativa-mente devido, principalmente ao seu baixo custo de implementação. Este projeto visa o desenvolvimento de um algoritmo de controle de um veículo aéreo não tripulado por servovisão, utilizando um sistema de captura de movimentos como sensor. Utili-zando o quadricóptero AR.Drone como veículo e o sistema de captura Vicon, foi desenvolvido um algoritmo que integra essas duas plataformas a fim de gerar ações de controle para a resolução de problemas em servovisão robótica e controle. Baseando-se no problema de rastreamento de alvo, onde o objetivo é fazer o veículo seguir um alvo móvel, foi implementado um controle Proporcional-Derivativo (PD) em tempo discreto, no qual o sinal de erro é a diferença entre a posição do alvo e a do veículo, ob-tidas pelo sistema Vicon. Resultados experimentais ilustram o desempenho desse sistema de controle.

Palavras-chave Quadricóptero, Servovisão, Controle PD, Sistema de captura de movimento, VANT.

1 Introdução

A utilização de veículos aéreos não tripulados (VANTs ou UAVs – Unmmaned aerial vehicles) vem se tornando frequente em pesquisas acadêmicas, pelo seu baixo custo e a possibilidade de realização de tarefas onde a presença humana é dispensável ou até mesmo impossibilitada.

Os VANTs podem ser autônomos, isto é, seu controle é realizado por uma programação previa-mente carregada em seu sistema, ou controlado re-motamente. O último modo é o mais empregado hoje em dia, no qual um piloto fica responsável em con-trolar a maioria das ações remotamente, característica essa que fez com que essas aeronaves se popularizas-sem em atividades onde o risco ao ser humano é alto, como em ações militares e inspeções em áreas de risco.

Uma classe desses veículos, a dos quadricópte-ros (quadrirrotores), vem se popularizando, princi-palmente por ter uma mecânica simples, boa mano-brabilidade e sua capacidade da realizar voos paira-dos, característica essa que o diferencia dos outros, como os aviões por exemplo.

A pesquisa com quadricópteros já está bem de-senvolvida, como na Universidade da Pensilvânia (Mellinger, et al., 2010), em que um conjunto de quadricópteros foi utilizado para realizar manobras precisas inerentes em tarefas complexas. Outro

exemplo é o trabalho de (Krajník, et al., 2011), que desenvolveram uma plataforma de pesquisa em robó-tica. Outros trabalhos também se destacam em áreas como navegação autônoma visual com desvio de obstáculo (Eresen, et al., 2012) e rastreamento visual por pontos de fuga (Gomez-Balderas, et al., 2012).

No Instituto Federal de Tecnologia de Zurique, o grupo de pesquisa do Professor Raffaello D’Andrea vem desenvolvendo diversas aplicações usando veí-culos quadrirrotores. A Flying Machine Arena com dimensões de 10 m x 10 m x 10 m e mais uma sala de controle anexa, conta com uma infraestrutura com câmeras de captura de movimentos, espumas de absorção de impactos e plataformas de recarga de baterias. Nessa arena são testados e validados os algoritmos de controle propostos, destacando-se trabalhos no campo de construção robótica aérea (Willmann, et al., 2012) habilidades esportivas e geração de trajetórias sem colisões para uma frota de VANTs (Augugliaro, et al., 2012).

Para este trabalho foi escolhido o AR.Drone, um quadricóptero comercializado pela Parrot, que tem sido usado por diversos grupos de pesquisa (e.g., (Ahn, 2011), (Sun, 2012)) devido ao seu custo relati-vamente baixo e à integração com diversas platafor-mas usando o seu kit de desenvolvimento de softwa-re (SDK), disponibilizado pelo fabricante.

Apesar de diversos trabalhos abordarem a mode-lagem clássica (Morar & Nascu, 2013) (Minh & Ha, 2010), há poucos que abordam uma modelagem

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

1474

simplificada do veículo e que usem um sistema de captura de movimento preciso para a obtenção da medida de posição necessária para o controle em malha fechada (Krajník, et al., 2011).

2 Sistema Vicon

O sistema Vicon MX é um sistema de captura de movimento composto por um grupo de câmeras de alta velocidade e uma unidade de processamento, interligadas por cabos de rede de alta velocidade. A unidade de processamento é ligada a um microcom-putador (Host-PC). No mesmo, há instalado o sof-tware Tracker do sistema Vicon que configura e cria os objetos a serem utilizados no projeto. Na Figura 1 pode-se verificar como os componentes são ligados fisicamente.

Figura 1 – Interligação dos componentes do sistema Vicon MX.

Cada câmera possui uma eletrônica interna que realiza a maioria do processamento de dados, uma unidade estroboscópica com LEDs que geram luz quase infravermelha, uma lente e filtro óptico. As câmeras geram pontos em tons de cinza gerados pela imagem dos marcadores esféricos reflexivos (tags) fixados no objeto capturado. Em seguida, usam algo-ritmos para encontrar os centroides e determinam quais alvos são válidos.

A unidade de processamento é responsável pela sincronização das câmeras e transmissão de dados, via cabo Ethernet, para o microcomputador Host-PC. O software Vicon Tracker 1.3 instalado no Host-PC cria um ambiente virtual 3D a partir dos dados obti-dos pelas câmeras e sua unidade de processamento, possibilitando a manipulação dos dados de cada tag, criação de um objeto composto por múltiplos tags, obtenção de gráficos de velocidade, aceleração e rotações, dentre outras funcionalidades. A Vicon fornece junto com o Tracker, um kit de desenvolvi-mento de software (SDK) que possibilita utilizar os dados obtidos pelo sistema por um software de ter-ceiros, ou seja, um programa que se comunica com o Vicon Tracker e utiliza as informações adquiridas por ele. No SDK estão descritas todas as funções de controle e tratamento de dados, assim como parâme-tros de sincronização de vídeo, taxa de quadros, dentre outros. Neste trabalho foram utilizadas as bibliotecas em linguagem C++ para sistemas Linux.

Embora o sistema não tenha mobilidade, pois deve ser recalibrado quando é deslocado, para proje-tos que demandem testes em ambientes controlados, o sistema Vicon MX é uma confiável e preciso, pois gera dados a uma frequência de atualização de até 1000 Hz e precisão melhor que 1 mm (Vicon, 2013), que são grandes vantagens quando o comparamos a outros sistemas de posicionamento, por exemplo o GPS (Global Positioning System) que possuem uma taxa de atualização de poucas amostras por segundo e precisão de alguns metros.

Para a utilização dos sistemas em conjunto, foi necessária a criação de uma plataforma de integração dos sistemas desenvolvida por (Gomes & Leal, 2014). Esta foi composta por um notebook portando um sistema operacional Linux, no qual foi desenvol-vido um algoritmo de acordo com os SDKs forneci-dos pelo fabricante do AR.Drone e pela Vicon. Este algoritmo foi escrito em linguagem C++, embora o SDK do AR.Drone só forneça bibliotecas na lingua-gem C. Logo, para se conseguir a compilação do mesmo foram feitas modificações em sua estrutura para a adequação na aplicação deste trabalho. A Figura 2 descreve a arquitetura de integração das plataformas.

Figura 2 - Fluxo da informação no sistema integrado.

3 Modelagem

Um modelo matemático de um sistema dinâmi-co é um conjunto de equações que representa a di-nâmica de um dado sistema com precisão satisfatória para uma aplicação bem definida. O modelo matemá-tico pode assumir diferentes formas, portanto, de-pendendo do sistema considerado e das circunstân-cias particulares, um modelo pode ser mais complexo que outros (Ogata, 2010).

Para este trabalho foram definidos dois sistemas de coordenadas. O primeiro é inercial, fixo no ambi-ente e é, também, o referencial usado pelo sistema de captura Vicon MX:

� = ��, ��, ��, (1)

Conforme a Figura 3. O segundo é um referencial móvel:

= ��, �, ��, (2)

com a origem dos eixos fixada no centro de gravida-de do veículo (Figura 3).


1475

Figura 3 - Sistemas de coordenadas.

Para se projetar um controle para veículos qua-drirrotores, é necessário conhecer seu modelo dinâ-mico e seus parâmetros. Entretanto, em vez de mode-lar o quadricóptero como um veículo quadrirrotor padrão, i.e., considerando as velocidades dos rotores como entradas e os ângulos de Euler como saídas, foi usado um modelo considerando o controlador em-barcado no A.R.Drone (Figura 4). Uma vez que este controlador embarcado é capaz de definir e manter a orientação e a velocidade vertical do veículo (Krajník, et al., 2011), não há muita liberdade para lidar com o quadricóptero (Beard, 2008).

Figura 4 – Diagrama de blocos do modelo dinâmico de cada grau de liberdade de interesse do AR.Drone (Krajník, et al., 2011).

Com o intuito de obter um modelo que se apro-

xime da dinâmica de movimento do quadricóptero, foi usada a ferramenta computacional System Identi-fication ToolBox do MATLAB para identificar a função de transferência de cada uma das funções de controle do AR.Drone (Comando_Roll, Comando _Pitch, Comando_Yaw e Comando_Gaz). Para a obtenção desses parâmetros foi feito um código que aplicava um degrau em cada função de controle do quadricóptero e, com auxílio do sistema de captura Vicon, era medida a posição do veículo em cada instante de amostragem e os dados então guardados em um arquivo. Esse procedimento foi repetido di-versas vezes para taxas de amostragem de 100 Hz, 200 Hz e 300 Hz e para valores de entrada de contro-

le das funções de 0,01 (Figura 5). Foi escolhido esse valor de entrada pois a área de captura era pequena (4 m²) em relação ao tamanho do veículo. Valores maiores das variáveis de controle fariam o veículo se mover rápido demais, o que reduziria a resolução das medidas.

Com os dados obtidos das respostas a de-graus, utilizou-se iterativamente a ferramenta System Identification Toolbox para se obter uma função de transferência que modelasse adequadamente cada grau de liberdade de interesse do veículo. Para isto, o gráfico obtido em simulação teria que ter um com-portamento semelhante ao medido experimentalmen-te para cada função de controle do AR.Drone.

Embora cada função de controle do AR.Drone deva apresentar um comportamento dis-tinto, ou seja, cada parâmetro da função de controle teria que fornecer uma função de transferência parti-cular, percebeu-se que essas apresentavam resultados similares quando utilizada a ferramenta System Iden-tification Toolbox. Portanto decidiu-se adotar uma única função de transferência para todas as funções de controle. Para a validação da função de transfe-rência obtida:

�� = 2 � 1

� � 0,05� ,

(3)

foi realizada uma simulação no Simulink, correspon-dente ao experimento com o AR.Drone, aplicando o mesmo valor de entrada e medindo a resposta a essa entrada.

Após seguidas tentativas, foi obtida a curva de resposta da função de transferência à entrada a um degrau com amplitude 0,01 (Figura 6), que teve uma assertividade de 94,91% quando comparada aos valores obtidos experimentalmente com o AR.Drone. Para fazer essa comparação, foi usada a função com-pare do MATLAB, que compara dados de uma res-posta ao degrau a uma função de transferência. O resultado obtido pode ser visto na Figura 6.

Figura 5 - Resposta ao degrau – Pitch.


1476

Figura 6 - Gráfico de ajuste entre o modelo obtido e a resposta ao degrau em um controle do AR.Drone.

4 Controle

Uma vez que foi feita a modelagem dinâmica do AR.Drone, pode-se então projetar um controle que se adeque ao modelo do veículo e que se adapte às necessidades da aplicação proposta. Para o projeto do controle, foi proposto o problema de rastreamento de um alvo móvel.

Foi proposto um controle com ações Proporcio-nal e Derivativa (PD), pois como a função de transfe-rência do AR.Drone (H(s)) é de segunda ordem e possui um integrador, um controlador do tipo PD atenderia os requisitos do problema proposto.

A ação derivativa do controlador PD é propor-cional à taxa de variação proporcional do sinal de erro, o que pode produzir uma correção significativa do erro antes que o mesmo se torne demasiadamente grande. Portanto, é um controlador que antecipa o erro e inicia uma ação corretiva mais cedo, para estabilizar o sistema. Possui como desvantagem à amplificação de sinais de ruído. Contudo, em nossa aplicação, como o sistema de medição de posição tem alta precisão, esse problema é reduzido (Ogata, 2010). Um controlador PD clássico em tempo contí-nuo é descrito pela equação:

�� = ��

��

�� , (4)

onde �� é o sinal de controle, Kp é o ganho propor-cional e �� é o tempo derivativo. O sinal de erro.

�� = �� , (5)

representa a diferença entre o sinal de referência e a saída e os parâmetros de ajuste �� e �� são constan-tes positivas.

O sistema de captura Vicon MX, oferece uma taxa de amostragem máxima de 1000 Hz. Entre-tanto, foi avaliado que com esta frequência de amos-tragem, não seria possível obter todos os dados que o sistema enviaria para o computador onde seria de-senvolvido o controle. Por isto, escolheu-se uma

frequência de 200 Hz para a realização do controle, pois assim não houve a perda eventual de quadros, o que pode ocorrer a taxas mais altas.

Como o sistema de captura amostra os dados obtidos, foi necessário realizar o controlador em tempo discreto. Então, foi feita a discretização do controlador PD descrito pela equação (4), seguindo-se a aproximação pelo método backward Euler (Åström & Wittenmark, 2011), na qual:

��

��≅

�� "�

" .

(6)

Substituindo-se t=kh, obtém-se:

��$"�

��≅

��$"� ��$" "�

",

(7)

onde h é o período de amostragem.

Com o controlador proposto foram feitas simulações no MATLAB em que, embora o modelo dinâmico foi obtido em tempo contínuo, o controle foi projetado em tempo discreto, conforme a Figu-ra 7, pois o sistema de aquisição de posição amostrar os dados.

Figura 7 - Diagrama da implementação do sistema de controle na simulação

Utilizando aproximações sucessivas, foram ob-tidos os parâmetros �� e �� de maneira que o contro-le apresentasse uma resposta satisfatória, ou seja, foi proposto como condição de aceitação que a resposta ao degrau apresentasse um sobrepasso (overshoot) de no máximo 25%. Com esta definição, foi obtida a resposta do sistema controlado apresentada na Figura 8, com �� = 1 e �� = 0,07.


1477

Figura 8 - Resposta ao degrau obtida na simulação

5 Resultados Experimentais

Para a realização dos experimentos, foi utiliza-do um ambiente de teste localizado no Laboratório de Controle e Automação da UERJ, local onde o sistema de câmeras está instalado (Figura 9).

Primeiramente foi demarcada a área de captura das câmeras do sistema Vicon no chão do laboratório para se ter noção da área útil disponível. Também foram definidos os pontos de partida do AR.Drone e do alvo, que está exemplificado na Figura 10.

A instalação das câmeras foi concebida para trabalhos com objetos que possam operar em alturas abaixo de 1,3 metros.

Figura 9 - Laboratório de Controle e Automação da UERJ.

Figura 10 - Área de captura útil com marcações do alvo e do AR.Drone.

Para a realização dos experimentos, foram de-

marcadas a posição de partida do AR.Drone e do alvo, de modo que a distância entre eles seja máxima, considerando o marcador central de ambos como referencial na posição marcada na área de captura (Figura 10). Após isto, foi configurado como alvo a ser seguido, um carro de controle remoto, e posicio-nados o AR.Drone e o alvo conforme Figura 11.

No computador onde está instalado o software Vicon Tracker 1.3 são capturadas as imagens dos marcadores e foram gerados objetos virtuais com formatos referentes à disposição dos marcadores (Figura 11). O Tracker então calcula automaticamen-te a posição e orientação de cada objeto criado (Figu-ra 12).

No notebook, onde está instalado o Linux, é executado o software de controle e também é gerado um arquivo no qual fica gravado o registro das posi-ções dos objetos para a posterior geração de gráficos.

Figura 11 - Posicionamento do alvo (carro de controle remoto) e AR.Drone.


1478

Figura 12 - AR.Drone e o alvo no ambiente virtual do software Vicon Tracker 1.3.

Com a execução do programa criado, usando os

parâmetros do controle simulado, foi constatado que os ganhos �� e �� necessitavam de alguns ajustes, pois o comportamento do quadricóptero não estava de acordo com a simulação. Após alguns ajustes, �� e �� receberam os valores de 0,6 e 0,2, respectiva-mente. Os gráficos na Figura 13 e na Figura 14 apre-sentam os resultados experimentais da resposta ao degrau do sistema de controle em malha fechada com os novos valores de �� e ��.

Figura 13 - Gráfico da resposta ao degrau em malha fechada referente ao eixo x.

Figura 14 - Gráfico da resposta ao degrau em malha fechada referente ao eixo y.

Os resultados obtidos experimentalmente foram comparados com os simulados e são apresentados na Figura 15 e na Figura 16.

Figura 15 - Comparação entre a simulação e o experimento refe-rente ao eixo x

Figura 16 - Comparação entre a simulação e o experimento refe-rente ao eixo y

Pode-se verificar que o sistema é estável, entre-

tanto, ocorre um transitório em que a resposta do sistema se comporta como um sistema de fase não-mínima. Isto pode ser relacionado ao sistema de controle para a estabilização embarcado, e também à dinâmica do quadricóptero. Também se verifica uma demora de cerca de cinco segundos para a partida do veículo. Isso se deve aos atrasos gerados pelos enca-deamentos de rede dos sistemas AR.Drone e Vicon.

No gráfico das trajetórias no plano XY, pode-se concluir que quando o alvo se move com uma velo-cidade baixa (Figura 17), o AR.Drone tem um de-sempenho melhor ao segui-lo. Quando a velocidade do alvo é aumentada, o desempenho piora, porém ainda é satisfatório, pois verifica-se na Figura 18, uma distância de no máximo 0,15 m entre as posi-ções do AR.Drone e do Alvo.

Para a realização de um experimento onde o ve-ículo se moveria em alta velocidade, seria necessário readequar o ambiente do laboratório.


1479

Figura 17 - Gráfico da trajetória no plano XY com velocidade do alvo baixa.

Figura 18 - Gráfico da trajetória no plano XY com velocidade do alvo moderada.

6 Conclusão

Durante o desenvolvimento do trabalho (Gomes & Leal, 2014), pode-se observar a eficácia da estra-tégia de controle PD na resolução do problema do proposto.

Pode-se verificar a dificuldade em se obter um modelo matemático realista do AR.Drone, levando-se em consideração o seu sistema de controle embar-cado que, embora facilite sua estabilização e opera-ção, introduz não linearidades e dinâmica pouco conhecidas. Apesar disso, utilizando-se a ferramenta System Identification Toolbox do MATLAB, foi obtido um modelo razoável que não leva em conside-ração as não-linearidades do controle interno, mas possui 94% de correspondência com o comportamen-to real do veículo.

Nos testes preliminares do software criado, foi verificado que com o sistema Vicon, operando na sua taxa de quadros máxima de 1000 Hz, o notebook onde o software é executado, não era capaz de pro-cessar as informações provenientes de cada quadro. Portanto houve a necessidade de diminuir a taxa de quadros para 200 Hz.

O controle proposto apresentou resultados satis-fatórios, pois embora o modelo matemático utilizado não preveja algumas não-linearidades e transitórios devido a decolagem e outros aspectos externos (efei-to instabilizante da proximidade com paredes, etc.), o controle manteve a resposta do sistema de acordo com o proposto.

Espera-se uma larga utilização deste trabalho em futuras aplicações, pois tanto o Sistema Vicon, quanto o AR.Drone, possuem um grande potencial para o desenvolvimento de diversos trabalhos em múltiplas áreas de conhecimento, tais como identifi-cação, controle cooperativo e controle de formação de sistemas multiagentes.

Um vídeo de um dos testes realizados pode ser visualizado em: http://www.youtube.com/watch?v=iIT3gn_XgKw

O Projeto de Graduação em Engenharia Elétrica

com Ênfase em Sistemas Eletrônicos, no qual este artigo foi baseado, (Gomes & Leal, 2014) encontra-se disponível em: http://www.lee.eng.uerj.br/~jpaulo/PG/2014/PG-Controle-Quadrirrotor-2014.pdf

Agradecimentos

Este trabalho foi realizado com recursos finan-ceiros da Faperj, CNPq e CAPES.

Referências Bibliográficas

Ahn, Y. M., (2011). Autonomous Navigation and Localization of a Quadrotor, Urbana-Champaign: s.n.

Åström, K. J. & Wittenmark, B., (2011). Computer-Controlled Systems - Theory and Design. 3 ed. Mineola,Nova Iorque: Dover Publications.

Augugliaro, F., Schoellig, A. P. & D'Andrea, R., (2012). Generation of collision-free trajectories for a quadrocopter fleet:, Zürich: s.n.

Beard, R. W., (2008). Quadrotor Dynamics and Control, Provo,Utah: s.n.

Eresen, A., ImamoĞlu, N. & Efe, M. Ö., (2012). Autonomous quadrotor flight with vision-based obstacle avoidance. Expert Systems with Applications, Janeiro, 39(1), pp. 894–905.

Gomes, L. & Leal, L., (2014). Controle de um Quadricóptero por Servovisão. Projeto de Graduação em Engenharia Elétrica com Ênfase em Sistemas Eletrônicos, UERJ, Rio de Janeiro, RJ, Brasil.

Gomez-Balderas, J., Castillho, P., Guerrero, J. & Lozano, R.,( 2012). Vision Based Tracking for a Quadrotor. Journal of Intelligent & Robotic Systems, Volume 65.


1480

Krajník, T., VojtĚch, V., Fisěr, D. & Faigl, J., (2011). AR-Drone as a Platform for Robotic Research, Praga, República Tcheca: s.n.

Mellinger, D., Michael, N. & Kumar, V., (2010). Trajectory Generation and Control for Precise, Philadélfia: s.n.

Minh, L. D. & Ha, C., (2010). Modeling and Control of Quadrotor MAV Using Vision-based Measurement. Ulsan,Korea, s.n.

Morar, I.-R. & Nascu, I., (2013). Model Simplification of an Unmanned Aerial, Cluj-Napoca, Romenia: s.n.

Ogata, K., (2010). Engenharia de Controle Moderno. 5 ed. São Paulo: Pearson Prentice Hall.

Siciliano, B., Sciavicco, L., Villani, L. & Oriolo, G., (2010). Robotics - Modelling,Planning and Control. s.l.:Springer.

Sun, Y., (2012). Modeling, Identification and Control of a Quad-Rotor, Urbana, Illinois: s.n.

Vicon, (2013). Vicon MX Hardware - System Reference 1.4. s.l.:s.n.

Willmann, J. et al., (2012). Aerial Robotic Construction Towards a New Field of Architectural Research. International Journal of Architectural Computing, 10(3), pp. 439-459.


1481

controle de um veÍculo quadrirrotor … · keywords quadcopter, visual servoing, pd control,...

Documents