Design and implementation of noise filters in position and orientation estimation of autonomous agricultural vehicles

Abstract

Otonom bir tarım aracı, IMU, tekerlek kilometre sayacı, manyetometre ve lazer sensörü gibi uygun maliyetli sensörler kullanılarak tasarlanmıstır. Bu projenin temel amacı, otonom tarım aracını, bir meyve bahçesindeki ağaçların arasında, şeridin sonunda bir işaret levhası algılayana kadar düz bir yol üzerinde hareket ettirmektir. Bu nedenle, aracın tam konumunu tahmin etmeye çalışmak yerine, şeridin ekseni boyunca aracın yönünü tahmin etmeye odaklandık. Daha doğru yön bilgisi elde etmek için ivmeölçer, jiroskop, manyetometre ve tekerlek kilometre sayacının avantaj ve dezavantajları tamamlayıcı, Madgwick, Kalman ve entegre kalman filtresi gibi filtreler uygulanarak birleştirilmis¸ ve filtrelerin farklı çevre koşullarındaki doğrulukları, ortalama hata bulunarak karşılaştırılmıştır. Filtrelerden elde edilen yön bilgisini kullanarak, otonom tarım aracı bir meyve bahçesinde düz bir yolda hareket ettirilmiştir. Ayrıca, otonom tarım aracını ağaçlar arasında düz bir yolda hareket ettirmek için bir lazer mesafe sensörü kullanılarak farklı bir yaklaşım türü geliştirildi. Lazer mesafe sensörü kullanılarak otonom tarım aracı ile ağaçlar arasındaki mesafe ve açı belirlendi¸ ve ağaçları referans alarak ağaçların arasında düz bir yol üzerinde aracın hareketi sağlanmıştır. Otonom araç üzerinde ROS platformu ve python betiği kullanılarak çeşitli filtreler geliştirilip uygulanmakta ve bu filtrelerin performansı MATLAB üzerinde incelenmektedir.

An autonomous agricultural vehicle is designed using cost effective sensors such as an IMU, a wheel odometry, a magnetometer and a laser sensor. The main aim of this project is to move the autonomous agricultural vehicle on a straight path between the trees in an orchard until it detects a sign plate at the end of the lane. Hence we have concentrated on estimating the orientation of the vehicle along the axis of the lane, rather than trying to estimate the exact location of it. In order to get more accurate orientation information, the advantages and disadvantages of the accelerometer, gyroscope, magnetometer, and wheel odometry are combined with filters such as the complementary, Madgwick, Kalman, and the integrated Kalman filter and the accuracies of the filters in different environmental conditions are compared in terms of the mean error. Using the orientation information obtained from the filters, the autonomous agricultural vehicle can move on a straight path in an orchard. Furthermore, a different type of approach is developed using a laser distance sensor to move the autonomous agricultural vehicle on a straight path between the trees. Using the laser distance sensor, the distance and the angle between the autonomous agricultural vehicle and the trees are determined and taking the trees as reference, it travels on a straight path between the trees. Various filters are developed and implemented using the ROS platform and the python script on the autonomous vehicle and the performance of these filters are examined on MATLAB.