Position Estimation Using IMU Without Tracking System

Simple item page
dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorWichman, Risto
dc.contributor.authorLeporcq, Johnny
dc.contributor.schoolSähkötekniikan korkeakoulufi
dc.contributor.supervisorWichman, Risto
dc.date.accessioned2018-06-29T08:45:55Z
dc.date.available2018-06-29T08:45:55Z
dc.date.issued2018-06-18
dc.description.abstractThis thesis aims to estimate the position of an inertial measurement unit (IMU) without any tracking device such as GPS. The work includes the calibration of the accelerometer with particle swarm optimization (PSO) to solve the equation, the gyrometer with the extended Kalman filter (EKF) and the magnetometer also with EKF. The calibration is realized with the data from the sensors and Matlab. When the calibration is done, the acceleration is obtained from the accelerometer and the gyrometer. The algorithm employs mostly rotation matrix theory. The performance of the algorithm depends on the success of the calibration. A small error in the estimation of the acceleration leads to a wrong result. This was, nevertheless, to be expected as a double integration with respect to time of a signal with remaining traces of bias is doomed to fail without any correction algorithms. Unfortunately, a working algorithm could not be achieved, pointing out that it may be difficult to realize one without external devices such as GPS.en
dc.description.abstractTässä työssä estimoidaan inertiamittausyksikön (IMU) sijaintia käyttämättä GPS-laitetta. Työ sisältää kiihtyvyysanturin kalibroinnin hiukkasparvioptimointialgorithmilla (PSO), gyroskoopin laajennetulla Kalmanin suodattimella (EKF) ja kompassin EKF:lla. Kalibrointi on suoritettu vain anturien arvoilla ja Matlab-sovelluksella. Anturin kiihtyvyys saa kalibroiduilta kiihtyvyysanturilta ja kompassilta. Algorithmi käyttää rotaatiomatriisin teoria. Algorithmi tehokkuus riippuu kalibroinnista. Pienikin estimointivirhe aiheittaa väärän tuloksen.Työn tulokset voitiin ennustaa koska tuplaintegrointi pienellä virhellä johtaa helposti ja nopeasti tulokset väärään suuntaan. Työn algoritmi vaatii korjausalgoritmin joka pystyisi poistamaan integroinnin virheen. Valitettavasti toimivaa algoritmia ei löydettu, joka viittaa siihen, että sen toteutaminen saattaa olla vaikeaa ilman apulaitetta, kuten GPS-laitetta.fi
dc.format.extent57 + 7
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/32426
dc.identifier.urnURN:NBN:fi:aalto-201806293836
dc.language.isoenen
dc.locationP1fi
dc.programmeCCIS - Master’s Programme in Computer, Communication and Information Sciences (TS2013)fi
dc.programme.majorSignal, Speech and Language Processing (SSLP)fi
dc.programme.mcodeELEC3031fi
dc.subject.keywordinertial measurement uniten
dc.subject.keywordrotation matrixen
dc.subject.keywordextended Kalman filteren
dc.subject.keywordparticle swarm optimizationen
dc.subject.keywordcalibrationen
dc.subject.keywordorthogonalizationen
dc.titlePosition Estimation Using IMU Without Tracking Systemen
dc.titleSijainnin estimointi inertiamittausyksikölla ilman paikannusjärjestelmääfi
dc.typeG2 Pro gradu, diplomityöfi
dc.type.ontasotMaster's thesisen
dc.type.ontasotDiplomityöfi
local.aalto.electroniconlyyes
local.aalto.openaccessyes
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
master_Leporcq_Johnny_2018.pdf
Size:
1.77 MB
Format:
Adobe Portable Document Format
Download
Collections
[dipl] Sähkötekniikan korkeakoulu / ELEC