The estimation of the pose of a differential drive mobile robot from noisy odometer, compass and beacon distance measurements is studied. The estimation problem, which is a state estimation problem with unknown input, is reformulated into a state estimation problem with known input and a process noise term. A heuristic sensor fusion algorithm solving this state-estimation problem is proposed and compared with the extended Kalman filter solution and the Particle Filter solution in a simulation experiment. https://doi.org/10.4018/IJAIML.2020010101 https://www.linkedin.com/in/john-bolte-0856134/
To better control the growing process of horticulture plants greenhouse growers need an automated way to efficiently and effectively find where diseases are spreading.The HiPerGreen project has done research in using an autonomous quadcopter for this scouting. In order for the quadcopter to be able to scout autonomously accurate location data is needed. Several different methods of obtaining location data have been investigated in prior research. In this research a relative sensor based on optical flow is looked into as a method of stabilizing an absolute measurement based on trilateration. For the optical flow sensor a novel block matching algorithm was developed. Simulated testing showed that Kalman Filter based sensor fusion of both measurements worked to reduce the standard deviation of the absolute measurement from 30 cm to less than 1 cm, while drift due to dead-reckoning was reduced to a maximum of 11 cm from over 36 cm.
This paper describes the concept of a new algorithm to control an Unmanned Aerial System (UAS) for accurate autonomous indoor flight. Inside a greenhouse, Global Positioning System (GPS) signals are not reliable and not accurate enough. As an alternative, Ultra Wide Band (UWB) is used for localization. The noise is compensated by combining the UWB with the delta position signal from a novel optical flow algorithm through a Kalman Filter (KF). The end result is an accurate and stable position signal with low noise and low drift.
Met het groeien van de gemiddelde levensverwachting is ook de uitdaging gegroeid om een ieder zo lang mogelijk een actieve deelnemer van de samenleving te laten zijn. Duurzame zelfstandige mobiliteit is van groot belang voor het functioneren in de samenleving (op werkplek en in thuisomgeving), draagt bij aan het sociaal functioneren en de algemene sociale cohesie. Goede controle over de (dynamische) balans speelt hierbij een grote rol, zijnde de balanshandhaving tijdens het voortbewegen, ook bij gezonde, jonge mensen een continue compromis tussen effectiviteit en veiligheid. Voor ouderen geldt dit nog sterker, daar de gevolgen van een val vele malen ernstiger zijn en ook een grote invloed hebben op de levensverwachting. Mechanismen van handhaving van de dynamische balans in praktische omstandigheden zijn nog grotendeels onbegrepen. Laboratoria staat vaak ver af van praktische condities van de alledaage praktijk. Moderne sensortechnologie opent momenteel een deur naar systematisch onderzoek naar valrisico’s in het dagelijkse leven, echter deze schiet nog te kort in haalbare accuratesse en stabiltiteit over langere metingen. In verschillende projecten wordt momenteel een nieuwe generatie van methoden onderzocht, met als centraal kenmerk hiervan dat bewegingsensoren niet meer als losse onderdelen functioneren, maar in samenhang worden gebruikt. Het kersverse INSTANT project, bijvoorbeeld, onderzoekt hoe huidige bewegingsensoren kunnen worden uitgebreid met een extra sensormodaliteit en ‘meta-datafusion’ algorithmen. Hierdoor kunnen de sensoren elkaars positie waarnemen en naar verwachting een orde meer accuraat meten op een manier die bovendien stabieler is over langere metingen. Aan iets vergelijkbaars wordt gewerkt door collega’s in Torino en Sassari, Italie, zij het met een andere type sensortechnologie. Dit KIEM project onderzoekt in hoeverre beide methoden (en beide onderzoeksclusters) elkaar kunnen versterken door intensief samen te werken. Het plaatsen van een Italiaanse onderzoeker in het INSTANT onderzoekscluster in Enschede gedurende grote delen van een jaar borgt deze samenwerking.
