The small size of micro aerial vehi

The small size of micro aerial vehicles (MAVs) allows a wide range of robotic applications, such as surveillance,
inspection and search & rescue. In order to operate autonomously, the robot requires the ability to
known its position and movement in the environment. Since no assumptions can be made about the environment,
the robot has to learn from its environment. Simultaneous Localization and Mapping (SLAM)
using aerial vehicles is an active research area in robotics. However, current approaches use algorithms
that are computationally expensive and cannot be applied for real-time navigation problems. Furthermore,
most researchers rely on expensive aerial vehicles with advanced sensors.
This thesis presents a real-time SLAM approach for affordable MAVs with a down-looking camera.
Focusing on real-time methods and affordable MAVs increases the employability of aerial vehicles in real
world situations. The approach has been validated with the AR.Drone quadrotor helicopter, which was the
standard platform for the International Micro Air Vehicle competition. The development is partly based on
simulation, which requires both a realistic sensor and motion model. The AR.Drone simulation model is
described and validated.
Furthermore, this thesis describes how a visual map of the environment can be made. This visual map
consists of a texture map and a feature map. The texture map is used for human navigation and the feature
map is used by the AR.Drone to localize itself. A localization method is presented. It uses a novel approach
to robustly recover the translation and rotation between a camera frame and the map. An experimental
method to create an elevation map with a single airborne ultrasound sensor is presented. This elevation
map is combined with the texture map and visualized in real-time.
Experiments have validated that the presented methods work in a variety of environments. One of the
experiments demonstrates how well the localization works for circumstances encountered during the IMAV
competition. Furthermore, the impact of the camera resolution and various pose recovery approaches are
investigated.
Parts of this thesis have been published in:
N. Dijkshoorn and A. Visser, ”Integrating Sensor and Motion Models to Localize an Autonomous AR.
Drone”, International Journal of Micro Air Vehicles, volume 3, pp. 183-200, 2011
A. Visser, N. Dijkshoorn, M. van der Veen, R. Jurriaans, ”Closing the gap between simulation and reality
in the sensor and motion models of an autonomous AR.Drone”, Proceedings of the International Micro Air
Vehicle Conference and Flight Competition (IMAV11), 2011. Nominated for best paper award
iii
iv
N. Dijkshoorn and A. Visser, ”An elevation map from a micro aerial vehicle for Urban Search and Rescue
- RoboCup Rescue Simulation League”, to be published on the Proceedings CD of the 16th RoboCup Symposium,
Mexico, June 2012
Winner of the RoboCup Rescue Infrastructure competition, Mexico, June 2012

ผลลัพธ์ (จีน) 1:

微型飞行器 （Mav） 的小尺寸允许广泛的机器人应用程序如监视，检查和搜索和救援。自主经营，机器人需要的能力已知其位置及在环境中的运动。因为没有任何有关环境的假设该机器人具有学会从它的环境。同时定位与地图创建 （SLAM）使用飞行器是机器人学中活跃的研究领域。然而，目前的方法使用的算法计算代价昂贵，不能应用于实时导航问题。此外，大多数研究人员依靠昂贵的空中车辆与先进的传感器。本论文提出一种实时的满贯方法为负担得起的小牛用俯视的相机。专注于实时方法和可负担得起小牛增加飞行器在真实的就业能力世界的情形。该方法已经被验证与应收账款 ；无人机四旋翼直升机，是国际微型飞行器竞争的标准平台。部分基于开发仿真，需要一个现实的传感器和运动模型。应收账款 ；无人机仿真模型描述和验证。此外，本文介绍了如何可以使环境视觉地图。本视觉地图由纹理映射和特征映射组成。纹理映射用于人类导航和功能地图用应收账款 ；无人驾驶飞机本身的本地化。提出了一种定位方法。它使用一种新方法强劲复苏的平动与转动摄像头的取景范围和地图之间。实验本文提出了一种方法来创建与单个机载超声传感器的高程地图。这海拔地图是结合纹理映射和实时可视化。实验验证了该方法在各种环境下工作。之一实验结果表明如何本地化工作在 IMAV 过程中遇到的情况竞争。此外，摄像机的分辨率和不同的影响构成的恢复方法进行了研究。已经发表了这篇论文的部分：N.Dijkshoorn 和 A.瑟，"集成传感器和运动模型进行本地化自主的应收账款 ；无人驾驶飞机"国际杂志的微型飞行器，第 3 卷，第 183-200 2011A.瑟，N.Dijkshoorn，M.范德维恩，R.Jurriaans，"关闭模拟与现实之间的差距在传感器和运动模型的自主的应收账款 ；无人驾驶飞机"，诉讼国际微型空气车辆会议和飞行大赛 (IMAV11)，2011年。提名最佳论文奖三、四、N.Dijkshoorn A.瑟，"海拔地图与从城市搜索和救援的微型飞行器-救援机器人足球仿真比赛"，在 16 的 RoboCup 专题讨论会，诉讼程序 CD 上公布墨西哥，2012 年 6 月RoboCup 救援基础设施竞争，墨西哥，2012 年 6 月的优胜者

ผลลัพธ์ (จีน) 2:

微型飞行器（微型飞行器）的小尺寸，可以广泛的机器人应用，如监视，
检查和搜救。为了自主操作，机器人需要向能力
已知其在环境中的位置和移动。由于没有设想可以对环境，
该机器人具有从它的环境中学习。同时定位和地图（SLAM）
使用飞行器是一个活跃的研究领域中的机器人。然而，目前的方法使用的算法
是计算昂贵的，并且不能被应用于实时导航问题。此外，
大多数研究人员依赖于昂贵的高空作业车有先进的传感器。
本文介绍了微型飞行器实惠与下视摄像头实时SLAM方法。
专注于实时的方式和负担得起的微型飞行器增加了飞行器在现实的就业
天地的情况。该方法已被证实与AR.Drone的quadrotor直升机，这是
国际微型飞行器竞争的标准平台。开发部分基于
仿真，既要有一个现实的传感器和动作模型。AR.Drone的仿真模型，
描述和验证。
此外，本文描述了环境的直观图可。这种视觉地图
包括纹理贴图和特征图。纹理贴图是用于人类的导航和功能
图用于通过AR.Drone的本地化本身。本地化方法。它采用一种新的方法
来鲁棒地恢复平移和旋转照相机框架和地图之间。的实验
方法来创建具有单个机载超声传感器的正视图被呈现。此高程
地图是结合纹理映射和可视化的实时性。
实验已经证实，所提出的方法在各种环境下工作。其中的
实验演示了如何做好本地化工作的过程中遇到的IMAV环境
的竞争。此外，该相机的分辨率和各种姿态的恢复方法的影响正在
研究。
本文部分已发表 ​​在：
N. Dijkshoorn和A.维瑟，“集成的传感器和动作模型，以本地化的自主AR。
无人机“，微型飞行器，第3卷，国际杂志第183-200，2011
A. 维瑟，N. Dijkshoorn，M的van der Veen表示，R. Jurriaans，“关闭模拟和现实之间的差距
在一个自主的AR.Drone的传感器和运动车型“，国际微型飞机论文集
车大会暨飞行大赛（ IMAV11），2011年入围最佳论文奖
III
IV
N. Dijkshoorn和A.维瑟，“从城市搜索与救援微型飞行器的高程图
-暨RoboCup救援仿真联盟“，被论文集光盘16的RoboCup研讨会上公布的
墨西哥，2012年6月
的优胜者救援机器人世界杯的基础设施比赛中，墨西哥，2012年6月

ผลลัพธ์ (จีน) 3:

微型飞行器（MAV）的小尺寸允许范围广泛的机器人应用，如监控，
检查和搜索&救援。为了自主操作，机器人需要
称其在环境中的位置和运动的能力。因为没有假设可了解环境，
机器人具有从环境中学习。同时定位与制图（SLAM）
使用飞行器是机器人研究领域的一个活跃的研究领域。然而，目前的方法使用的算法
，非常昂贵，无法应用于实时导航的问题。此外，
大多依靠昂贵的飞行器与先进的传感器。
本文提出了一种经济实惠的小牛与俯视摄像机实时SLAM方法。
注重实时方法和负担得起的小牛增加人机房
世界就业。该方法已与AR.Drone旋翼直升机的验证，这是国际微型飞行器的竞争
标准平台。发展部分是基于
模拟，既要有现实的传感器和运动模型。AR无人机仿真模型
描述和验证。
此外，本文描述了一个可视化的环境地图可以。这种视觉地图
由纹理图和特征图。纹理映射是用于人类的导航和功能
地图由AR应用无人机定位。定位方法。它使用了一种新的方法
强劲恢复相机架和地图之间的平移和旋转。创建一个单一的机载超声传感器的实验
高程图的方法。这个海拔
地图结合纹理映射和可视化的实时
。实验证明，该方法在各种环境下工作。其中的
实验演示如何做好定位工作的imav
竞争中遇到的情况。此外，相机的分辨率和各种姿态恢复途径的影响是
调查。
论文的部分已发表在：
N. dijkshoorn A. Visser，“集成传感器和运动模型的本地化自主AR
雄蜂”，国际期刊的微型飞行器，卷3，页2011 183-200，
A. Visser，N. dijkshoorn，M. van der Veen，R. jurriaans，“缩小差距之间的模拟和现实
在自治ar.drone”传感器和运动模型，对国际微型空气
诉讼