Evaluation of data fusion algorithms for attitude estimation of unmanned aerial vehicles

 

Authors

Chérigo, Cristóbal; Rodríguez, Humberto

Format

Article

Status

publishedVersion

Description

The aim of this study was to evaluate and compare the three most commonly used data processing algorithms for Attitude and Heading Reference Systems (AHRS) for unmanned aerial vehicles (UAVs), which implement filtering processes and data fusion. These algorithms are the Kalman filter, Madgwick algorithm and Mahony algorithm. Commercially, there are several types of IMU / Magnetometer sensors, which provide a very good feedback of an aircraft states. However, they tend to be very expensive, so in this paper we focus on those who have a medium cost and a good cost / performance ratio for use with UAVs. A methodology was developed so we could compare what algorithm adapts better to systems with different characteristics. The results showed that the Mahony algorithm worked better due to its faster convergence. Of the three angles of rotation around the main axes xyz, the angle around z (ψ) showed the largest error, which indicates that there is still some deficiency from those estimates which depend on the magnetometer.
El objetivo de este trabajo es evaluar y comparar los tres algoritmos de procesamiento de datos más usados en sistemas de referencia de orientación y rumbo (AHRS, por sus siglas en inglés), para vehículos aéreos no tripulados (UAVs por sus siglas en inglés), los cuales implementan procesos de filtrado y de fusión de datos. Estos algoritmos son el Filtro de Kalman, el de Mahony y el de Madgwick. Comercialmente existen varios tipos de sensores IMU/Magnetómetros que proporcionan una muy buena retroalimentación de los estados de las aeronaves, sin embargo suelen ser muy costosos, por lo que en este trabajo nos concentraremos en aquellos que tienen un costo medio y una buena relación costo/desempeño a la hora de construir UAVS. Se desarrolló una metodología, mediante la cual se pudo comparar que algoritmo se adapta mejor a sistemas con diferentes características. Los resultados mostraron que el algoritmo que mejor funcionó es el filtro complementario de Robert Mahony debido a su mayor velocidad de convergencia. De los tres ángulos de rotación alrededor de los ejes principales xyz, en todas las estimaciones evaluadas, el ángulo alrededor de z(ψ) fue el que presentó la magnitud del error más grande, lo cual indica, que sigue existiendo cierta deficiencia en aquellas estimaciones que dependen del magnetómetro.

Publication Year

2017

Language

spa

Topic

AHRS , data fusion algorithms, Madgwick algorithm, Mahony algorithm, UAVs, Kalman filter
AHRS , algoritmos de fusión de datos, algoritmo de Madgwick, algoritmo de Mahony, UAVs, Filtro de Kalman

Repository

RI de Documento Digitales de Acceso Abierto de la UTP

Get full text

http://revistas.utp.ac.pa/index.php/id-tecnologico/article/view/1719
http://ridda2.utp.ac.pa/handle/123456789/3297

Rights

openAccess

License

https://creativecommons.org/licenses/by-nc-sa/4.0/