使用Dead Reckoning進行無人機軌跡任務的位置估算及校正

全文

(1)國立臺灣師範大學資訊工程研究所碩士論文指導教授：賀耀華. 博士. Position Estimation and Calibration using Dead Reckoning for Drone Trajectory Mission. 研究生：張嘉麟中華民國. 一O五. i. 撰年. 七. 月.

(2) ii. 摘要 Position Estimation and Calibration using Dead Reckoning for Drone Trajectory Mission 張嘉麟現在多旋翼直昇機、空拍機越來越普及，應用越來越複雜、多元，也越趨於自動化飛行。多旋翼執行自動飛行任務時一定會用到 GPS（Global Positioning System）的地理位置資訊，然而失去 GPS 訊號就無法繼續執行任務。本研究希望在失去 GPS 訊號時能透過 Flight Information Calculation ( FIC )演算法計算出讓多旋翼繼續執行任務的飛行速度、航向角度。另外，利用 Dead Reckoning (DR)演算法計算出多旋翼飛行時移動的位置來判定因側風而產生的誤差，並針對這個部分提出自我修正的方法。FIC 演算法所計算出的飛行資訊與多旋翼上掛載的動作感測器所記錄的實際飛行資訊做比較即可得出誤差，並將誤差加入下個時間點的 FIC 演算法中進行校正。本研究讓多旋翼執行任務時即使暫時失去 GPS 訊號也能夠繼續執行任務，並且有著可信任的準確度。當多旋翼執行任務不在只是倚靠 GPS 訊號，可以執行的任務種類也會越來越多。在未來，可以加入其他感測器(例如距離感測器) 可將多旋翼任務範圍擴展到無法收到 GPS 訊號的室內，讓多旋翼的應用更加豐富。關鍵字：無人機、航位推測法、位置估算、軌跡任務.

(3) iii. ABSTRACT Position Estimation and Calibration using Dead Reckoning for Drone Trajectory Mission 張嘉麟. In recent years, drones become more popular with complex autonomous controlled missions, e.g., delivery services, area monitoring, aerial photographic, disaster response. Most of drone’s mission is a trajectory with set of location points that either pre-planned or on-demand determined. A drone will based on it current location from its Global Positioning System (GPS) and a given trajectory to complete a mission. Therefore, location information (i.e., GPS) is critical for successful executing a drone mission. However, weather or buildings can often results of lost of GPS signals. In the event of GPS signal lost, autonomous drone are pause, cancel, or require manual input for the mission. In this work, we proposed a Flight Information Calculation (FIC) algorithm to recover in an event of lost GPS signals. FIC uses motion sensors (i.e., accelerometer, compass, and gyroscope) to determine its flying speed, heading angle, and flying time in order to estimate current location of drone. To avoid the effects of the crosswind, FIC contains Self-Correction method to further improve accuracy of location estimation. The records of the fight information and the flight settings according FIC are compared to determine the crosswind effect to drone. FIC will calibrate the flight settings by take crosswind effect into consideration when estimation the flight action to the next location point in the mission. The experiments showed the FIC is able to provide accurate location estimation which allows drone to continue executing its mission without GPS signal. Without the need of constant GPS signal, a combination and complex mission (e.g., indoor and out door) can be assigned to autonomous drone. In the future, additional sensors (e.g., rangefinder, camera, and sonar) can be used to improve the accuracy of FIC. Tag：Drone、Dead Reckoning、Position Estimation、Trajectory Mission.

(4) iv. 致謝我能順利完成這篇論文要感謝很多人的支持與幫忙。首先要先感謝我的指導教授－賀耀華教授不僅傳授網路相關的專業知識也在生活中幫助我很多。在論文研究的過程中，謝謝賀教授積極地與我討論，並在我陷入瓶頸時給我很多的建議，讓我受益良多。另外，還要感謝兩位教授，分別是陳伶志教授及林均翰教授，在平時研究中給予我非常多的建議及方向，讓我的研究更加豐富。在我就讀研究所的這段期間很感謝爸媽給我的支持與鼓勵。我比起其他人多花了很多時間才能從研究所畢業、取得碩士學位，但是即使是這樣，爸媽還是支持所有我做的決定。家境並不是太寬裕的我，這兩年讓家裡負擔更重了，畢業後會更加努力來改善家中的經濟狀況，好好孝順爸媽。爸媽，你們辛苦了，謝謝你們。感謝 212 實驗室的所有成員，包含已經畢業的學長們、我的同學們－王俞翔、蔡宇融、林祥裕、許蕙欣、黃慈郁及胡展榮，大家一起修課一起做研究一起熬夜一起運動，我們的感情會一直持續下去的。最後，要特別感謝我的女友，這兩年因為我到外地念書的關係分隔兩地，導致我們經常吵架，但是還是不離不棄的陪我渡過，謝謝。.

(5) v. 目錄第一章. 緒論 ........................................................................................................................... 1. 第二章. 文獻探討 ................................................................................................................... 3. 第一節. GPS（Global Positioning System） ..................................................................... 3. 第二節. Dead Reckoning (DR)介紹與比較 ....................................................................... 4. 第三章. 系統架構 ................................................................................................................... 6. 第一節. 紀錄飛行資訊 ....................................................................................................... 6. 第二節. 偵測 GPS 訊號.................................................................................................... 7. 第三節. Flight Information Calculation ( FIC ) 演算法 .................................................... 7. 第四節. FIC 自我修正 ( FIC Self-Correction ) ................................................................. 8. 第四章. 實驗及分析 ............................................................................................................. 10. 第一節. 環境設定 ............................................................................................................. 10. 第二節. 實驗設計 ............................................................................................................. 11. 第三節. 實驗於模擬器 ..................................................................................................... 12. 第四節. 實驗於戶外 ......................................................................................................... 14. 第五章. 結論及未來展望 ..................................................................................................... 19. 參考文獻................................................................................................................................... 20.

(6) vi. 附表目錄表一、各實驗之平均距離誤差統計……………………………………………18. 附圖目錄圖一、系統架構圖………………………………………………………………...6 圖二、DJI 經緯 M100…………………………………………………………..10 圖三、Raspberry Pi 2 及 M100 之間以 UART-CAN2 排線連接………………11 圖四、FIC 演算法於模擬器實驗之三維空間結果圖………………………….13 圖五、FIC 演算法於模擬器實驗之 XY 平面俯瞰結果圖…………………….13 圖六、FIC 演算法於模擬器實驗之 XZ 平面側面結果圖…………………….14 圖七、沒有自我修正的 FIC 演算法於戶外實驗之三維空間結果圖…………15 圖八、沒有自我修正的 FIC 演算法於戶外實驗之 XY 平面俯瞰結果圖……15 圖九、沒有自我修正的 FIC 演算法於戶外實驗之 XZ 平面側面結果圖……16 圖十、FIC 演算法於戶外實驗之三維空間結果圖……………………….…...17 圖十一、FIC 演算法於戶外實驗之 XY 平面俯瞰結果圖…………..………..17 圖十二、FIC 演算法於戶外實驗之 XZ 平面側面結果圖…………...………...18.

(7) 第一章緒論多旋翼，顧名思義是有超過兩個螺旋槳的飛行器，是直昇機的一種。多旋翼依據螺旋槳的數量分成三旋翼、四旋翼、六旋翼、八旋翼甚至還能有更多螺旋槳。螺旋槳數量的多寡會影響多旋翼的穩定度及飛行的速度，一般來說因為對稱性的關係四旋翼及八旋翼最常見。多旋翼能與一般直昇機一樣垂直起降、空中懸停、直角轉彎等，這些是一般飛機所達不到的靈活度。雖然無法輕易的像一般直昇機做空中翻滾、垂直爬升、倒立飛行等特技動作，但是在執行任務的困難度上與一般直昇機並無落差。近年來多旋翼因為其靈活性及穩定性而備受關注，一般多用來執行空中拍攝。但其實不只是空中拍攝，多旋翼還有其他應用，像是知名電商公司 Amazon 利用多旋翼運送貨物到收件人的家門口[1]、大規模的災難搜救，甚至是執行生物多樣性分析的資料蒐集等。為了執行各式各樣的任務，多旋翼上除了掛載照相機外還有其它感測器及應用模組，像是無線通訊模組、 GPS（Global Positioning System）模組、動作感測模組（三軸加速度計、三軸陀螺儀、三軸磁力計）、距離感測器（紅外線、超音波），甚至有些廠商也會在多旋翼上掛載 GPU（Graphics Processing Unit），能夠做影像處理及影像辨識。執行任務的過程中，障礙物會阻擋飛行的路線，導致多旋翼被迫變換航道；另一個會影響任務的因素是風，多旋翼飛行的過程中會因為側風的外力影響 1.

(8) 2. 而偏離航道，如果風力過大甚至會導致多旋翼失速無法執行任務。執行任務的操控方式可以分成短距離的任務及長距離的任務。短距離指的是多旋翼飛行的範圍大約在操控者的視線範圍內，操控者會手持遙控器透過無線網路操控多旋翼。根據操控者的操控經驗及技術使得多旋翼執行較精細或複雜的任務。而執行長距離任務時，因為遙控器本身無線通訊有距離上的限制，所以多半使用 GPS 位置讓多旋翼自動飛行。而多個 GPS 位置的串聯可以設定多旋翼飛行特殊軌跡，執行特定任務。GPS 位置容易因為 GPS 訊號不佳產生誤差。 GPS 訊號不佳可能是因為天空雲層太厚、或是附近高樓大廈遮蔽天空，也可能是任務行經橋下或是隧道內而導致。一旦失去 GPS 訊號，任務就會停擺直到重新取得準確的 GPS 位置，如果在一段時間內無法重新收到 GPS 訊號，多旋翼通常會自動返航或原地下降，導致任務失敗，浪費時間、電力，可能還會遺失多旋翼。因此，本研究提出一個讓多旋翼在失去 GPS 訊號後仍能繼續執行後續任務的方法。主要用 Flight Information Calculation (FIC) 演算法計算出多旋翼執行後續任務所需的飛行資訊，配合上適當的修正降低側風所產生的誤差。.

(9) 第二章文獻探討為了探討 GPS 訊號產生誤差或遭受干擾的情況，在本章第一節的部分大略介紹一下 GPS 是如何定位的。而在失去 GPS 訊號時使用 FIC 演算法計算出飛行資訊後會再利用 Dead Reckoning 推測出移動過後的位置，本章第二節的部分會介紹 Dead Reckoning 相關的內容。. 第一節 GPS（Global Positioning System）所謂的 GPS [2][3]，全名是全球定位系統，由美國政府於西元 1970 年代開始研發，到西元 1994 年正式完成一開始是發明讓美國從事軍事用途的。GPS 能夠定位是靠著距離地表 20,200 公里的高空中運行的 32 顆 GNSS（Global Navigation Satellite System）衛星。這 32 顆衛星的軌道長度大約 166,950 公里，平均每 11 小時又 58 分繞行地球一周，速度大約是每秒 3.875 公里，非常快。每顆衛星每一毫秒都會以光速持續推播一組 C/A 碼（Coarse/Acquisition code），C/A 碼會記錄發射訊號的衛星編號，另外以不同頻率推播出其他資訊像是修正時間的參數、修正訊號通過電離層而產生的誤差，並且衛星發出的訊號中會記錄發出訊號的時間。定位方法是三角定位[4]，只需要將收到訊號的時間減去發出訊號的時間乘上訊號傳輸的速度就可以得到接收訊號與衛星的距離。擁有與三顆衛星的距離可以求得交點即為接收訊號的經緯度位置，若有與第四顆衛星的距離則可以得到高度的資訊，而能在同時間取得四顆以上的衛星訊號，就能使得定位更精準。 3.

(10) 4. GPS 的定位有誤主要是因為其定位方法必須讓被定位物及衛星之間不得有障礙物，所以 GPS 無法在室內使用。而訊號由外太空傳向地面時還必須經過大氣層，而其中的電離層及對流層都會造成程度不一的延遲。所以當雲層太厚或是附近有遮蔽物遮蔽天空影響 GPS 訊號時，就可能讓多旋翼無法接收到 GPS 訊號而定位產生誤差或定位失敗。. 第二節. Dead Reckoning (DR)介紹與比較. Dead Reckoning [5]是一種位置推估的方法，大致上來說是以目前物體的位置配合上物體的運動速度及運動方向來推算下一個時間點物體會移動到哪個位置，常用於判斷飛機位置或是船隻位置。不同的物體有不同的移動方法，所以會有不同的 DR 算法。車輛可以利用輪胎旋轉的圈數乘上輪胎的圓周長得到車輛移動的距離；行人放在口袋中的手機會透過動作感測器紀錄行人走路的震動與節奏，配合上行人的步伐距離計算出行人行走的距離與方向[6]，甚至能判斷出上樓或下樓等動作之間的差異；飛機則可以透過引擎轉速產生的推力來計算速度，像是四旋翼可以透過四個螺旋槳分別不同的轉速來測量出機體傾斜的角度，進而計算出飛行速度。而本研究所使用的 DR 是採用多旋翼內部的動作感測器（三軸加速度計、三軸陀螺儀）分別量測到的 XYZ 軸速度及航向角度，配合上飛行時間進行計算，這部分在本文第三章第三節中做詳細的說明。.

(11) 5. 當物體很穩定地移動時，DR 推估出來的位置可以非常精確，但是移動的過程經常會外力影響 DR 計算出的結果。例如，使用 DR 推估行人的位置會因為每個人走路步伐、速度、節奏上的不同而產生計算誤差。另外，上述中，車輛的輪胎會因為溫差而熱漲冷縮造成輪胎大小不一致，推估位置上也會產生誤差。海上的船隻也會因為洋流的變化而導致 DR 計算出的位置不精準。而多旋翼飛在空中，會造成 DR 推估不準確最大的影響來自於側風。側風會造成多旋翼飛行速度計算困難，飛行軌道也會因此偏離原本航道。因此我們利用原先設定的速度與實際感測到的速度之間的誤差，透過 DR 的計算中，延伸出自我修正( Self-Correction )的方法，希望將側風的影響降低。自我修正的方法將於本文第三章第四節做詳細的介紹。 DR 有將微小誤差放大的特性，稱為誤差傳播[7]。最常見的情況像是測量物體旋轉角度時，量測到的旋轉角度與實際上的旋轉角度有些微的誤差，而依據量測到的角度進行計算所得的位置會因為旋轉角度的誤差而與實際物體位置不同；接著下個時間點再次使用 DR 時誤差無法校正則會持續累積。也因為這個特性讓 DR 在計算的過程中必須不斷的校正。以往的校正方法是因為感測器收到的訊號有雜訊存在，透過線性濾波器（像是卡爾曼濾波器[4]）加入白噪音平衡感測器接收到的雜訊，以此減少誤差。.

(12) 第三章系統架構本章將介紹完整的系統架構如圖一。先採取以 GPS 位置串聯成飛行路線的方式執行任務。初始執行任務時會從 GPS 位置清單中讀取第一筆位置的資料，並偵測 GPS 訊號，若能夠持續掌握 GPS 訊號則會飛到下一個 GPS 點後讀取下一筆 GPS 位置直到飛到最後一個點才任務結束。若執行的過程中失去 GPS 訊號，則必須使用 Flight Information Calculation ( FIC ) 演算法計算出飛行到下一個 GPS 位置所需的飛行速度及航向角度，其中還必須因應側風而加入自我修正的方法。接著將計算出來的飛行訊號傳送給多旋翼，讓多旋翼在沒有 GPS 訊號的情況下執行後續任務。飛行的過程中仍會持續偵測 GPS 訊號，一旦重新獲得 GPS 訊號後則回歸使用 GPS 位置來執行任務。各部分的執行過程將在本章各節中進行更詳細的介紹。. 圖一、系統架構圖. 第一節紀錄飛行資訊在飛行過程中平行紀錄目前多旋翼的飛行速度在 X 軸、Y 軸與 Z 軸上的 6.

(13) 7. 分量 𝑣𝑥 、𝑣𝑦 與 𝑣𝑧 及航向角度也就是機身在 XY 平面上旋轉的角度 𝑦𝑎𝑤。速度分量及航向角度並稱為飛行資訊。而飛行資訊將會應用在 FIC 演算法及自我修正中。. 第二節偵測 GPS 訊號飛行的過程中會持續收集 GPS 訊號。當可收集到的 GPS 衛星訊號少於四顆時，定位將無法確認高度資訊，認定為失去 GPS 訊號。. 第三節 Flight Information Calculation ( FIC ) 演算法首先，取得失去 GPS 訊號前最後多旋翼所在的 GPS 位置（𝑙𝑜𝑛0 , 𝑙𝑎𝑡0 , 𝑎𝑙𝑡0 ）及目標的 GPS 位置（𝑙𝑜𝑛1 , 𝑙𝑎𝑡1 , 𝑎𝑙𝑡1）後，帶入 𝑉𝑖𝑛𝑐𝑒𝑛𝑡𝑦 ′ 𝑠 𝐹𝑜𝑚𝑢𝑙𝑎𝑟[8] 得到兩點距離為 𝐷，而 X 軸、Y 軸與 Z 軸距離分別為 𝑑𝑥 、𝑑𝑦 及 𝑑𝑧 ，單位皆為公尺。根據𝑑𝑥 及 𝑑𝑦 ，利用反正切函數的可以得到航向角度 𝑦𝑎𝑤 ，如式一。 𝑦𝑎𝑤 = 𝑡𝑎𝑛−1(. 𝑑𝑥 ) ⋯ ⋯ ⋯ 式一 𝑑𝑦. 計算 X 軸、Y 軸與 Z 軸的速度分量 𝑣𝑥 、𝑣𝑦 與 𝑣𝑧 前，因應多旋翼的不同，最大的飛行速度都不同，必須事先設定一個穩定的飛行速度𝑉。接著根據 𝐷 與 𝑉 比例分別計算出在 X 軸、Y 軸與 Z 軸的速度分量 𝑣𝑥 、𝑣𝑦 與 𝑣𝑧 ，如式二。 𝑑𝑦 𝐷 𝑑𝑥 𝑑𝑧 = = = ⋯ ⋯ ⋯ 式二 𝑉 𝑣𝑥 𝑣𝑥 𝑣𝑧 計算出的飛行資訊即可讓多旋翼執行飛行，但要執行第二次之前必須進.

(14) 8. 行自我修正以避免因側風影響而偏離航道太遠。. 第四節 FIC 自我修正 ( FIC Self-Correction ) 自我修正過程分為二部分；一為誤差偵測，二為修正飛行速度。誤差偵測的部分，多旋翼經過側風影響後與原先設想的位置會有所差異，即為側風造成的誤差。透過 DR，原先設定的飛行速度分量 𝑣𝑥 、𝑣𝑦 、𝑣𝑧 分別乘上取樣的時間間隔，可以計算出多旋翼設想飛行後的位置；而使用動作感測器測量到的飛行速度 𝑣′𝑥 、𝑣′𝑦 與 𝑣′𝑧 分別乘上之前的差異取樣的時間間隔，可以得到被側風干擾後的位置。，而為了計算出側風對多旋翼造成 X 軸、Y 軸與 Z 軸的速度變化 𝑣𝑐𝑥 、𝑣𝑐𝑦 與 𝑣𝑐𝑧 ，將動作感測器的讀數減去原先設定的飛行速度，如式三至式五。 𝑣𝑐𝑥 = 𝑣 ′ 𝑥 − 𝑣𝑥 ⋯ ⋯ ⋯ 式三 𝑣𝑐𝑦 = 𝑣 ′ 𝑦 − 𝑣𝑦 ⋯ ⋯ ⋯ 式四 𝑣𝑐𝑧 = 𝑣 ′ 𝑧 − 𝑣𝑧 ⋯ ⋯ ⋯ 式五修正飛行速度的部分，因為風是一股連續的力，不會在瞬間發生劇烈的變化，我們便可以使用誤差偵測所計算出來的速度變化來影響之後的飛行速度。首先，為了抵抗側風，本計算出來的飛行速度 𝑣𝑥 、𝑣𝑦 、𝑣𝑧 必須加上一倍側風的速度變為 𝑣′′𝑥 、𝑣′′𝑦 、𝑣′′𝑧。而為了彌補上一段時間所偏離的誤差，必須在下一段的飛行速度再加上一倍側風的速度。.

(15) 9. 而下次修正前所量測到飛行速度是設定的 𝑣′′𝑥 、𝑣′′𝑦 、𝑣′′𝑧 加上 𝑣𝑐𝑥 、𝑣𝑐𝑦 、𝑣𝑐𝑧，即為修正後的 𝑣𝑥 、𝑣𝑦 、𝑣𝑧。如此一來風力大小差不多時，可以不需要再次修正。而當風力改變時，誤差偵測會得知必須再次進行修正。就可以因應側風的大小來動態調整飛行速度，讓多旋翼免於偏離航道。.

(16) 第四章實驗及分析第一節環境設定實驗所使用的多旋翼是大疆創新( DJI )公司所開發的經緯 M100，是一款四旋翼，如圖二。M100 含螺旋槳的邊長、對角線、高分別大約是 0.8 公尺、1 公尺、0.33 公尺。M100 上掛載了 GPS 模組及動作感測器。GPS 模組會收集、紀錄 GPS 資訊，取樣頻率最高為一秒一百次。動作感測器則包含三軸加速度計、三軸陀螺儀，會記錄當前飛機的移動速度及機體各軸的旋轉角度，取樣頻率最高也可達一秒一百次。. 圖二、DJI 經緯 M100 10.

(17) 11. 圖三、Raspberry Pi 2 及 M100 之間以 UART-CAN2 排線連接. 儲存資料及運算 FIC 演算法是使用 Raspberry Pi 2。FIC 演算法計算出的飛行資訊會透過 UART-CAN2 排線傳至 M100，如圖三。實驗地點分為室外場地及模擬器。室外場地為國立師範大學公館校區的操場，每次實驗的範圍長寬高大約分別是五十公尺、五十公尺、十公尺，平均風速大約在每秒 5 公尺以上；模擬器則是由 DJI 所開發的 DJI Simulator ，可以讓飛行員在模擬器中練習操控、執行飛行訓練，也可透過模擬器進行程式模擬及測試。. 第二節實驗設計實驗步驟如下： 1. 設定飛行任務路線的 GPS 位置。.

(18) 12. 2. 使用 FIC 演算法計算出飛行過程的飛行資訊。 3. 按照步驟 2 計算出的飛行資訊執行任務。 4. 飛行時同步紀錄多旋翼的 GPS 位置。 5. 完成任務。 6. 比較設定的 GPS 位置與飛行過程所記錄到的 GPS 位置實驗主要分為兩部分。一是在模擬器中執行 FIC 演算法計算出基本的飛行距離誤差；二是飛行於室外環境，比較 FIC 演算法有無自我修正的情況下的距離誤差；上述兩部分分別介紹於本章第三節及第四節。距離誤差是指多旋翼每次飛到定點時與設定的 GPS 位置之間的距離。由於平面上經緯度的差必須經過轉換成距離才能計算，將二點的經緯度帶入 𝑉𝑖𝑛𝑐𝑒𝑛𝑡𝑦 ′ 𝑠 𝐹𝑜𝑟𝑚𝑢𝑙𝑎𝑟即可得到二點間的平面距離。平面距離與高度差利用畢氏定理可以得到二點間真正的距離。只計算飛到定點時的誤差是因為每次實驗過程中，側風大小影響不一，造成的航道偏差無法作為評斷標準。但是能夠證明不管側風大小如何，利用 FIC 演算法都能讓多旋翼在時間內飛到設定的定點。. 第三節實驗於模擬器於模擬器中實驗含有自我修正的 FIC 演算法。過程設定 GPS 點讓多旋翼由 A 點出發，依序往 B、C、D 及 E 點移動，最後停留在 E 點，而 E 點位於 A 點上空十公尺處。實驗所記錄到的經緯度與海拔高度繪製成三維空間結果圖如圖四、.

(19) 13. XY 平面俯瞰圖如圖五、XZ 平面側面圖如圖六。在圖四中，可以發現誤差傳播的現象並不明顯。在每點 GPS 點的距離誤差平均大約 2.01 公尺，平面中經緯度的距離誤差平均有 1.85 公尺，經度及海拔的距離誤差平均有 0.45 公尺。距離誤差都在一至兩個機身的距離，FIC 計算出的飛行速度及角度相當精準。. 圖四、FIC 演算法於模擬器實驗之三維空間結果圖. 圖五、FIC 演算法於模擬器實驗之 XY 平面俯瞰結果圖.

(20) 14. 圖六、FIC 演算法於模擬器實驗之 XZ 平面側面結果圖. 第四節實驗於戶外首先，挑選了一個颱風接近的日子進行實驗，平均風速每秒達 5 公尺以上。在同個環境下進行兩次實驗。第一次使用沒有自我修正的 FIC 演算法進行實驗，實驗過程同本章第三節的實驗過程。實驗結果的三維空間結果圖如圖七、XY 平面俯瞰圖如圖八、XZ 平面側面圖如圖九。從三張結果圖，可以發現由於沒有自我修正所以受風的影響而偏離航道，也都有明顯錯誤傳播的現象。在每點 GPS 點的距離誤差平均大約 6.01 公尺，平面中經緯度的距離誤差平均有 5.81 公尺，經度及海拔的距離誤差平均有 1.50 公尺。.

(21) 15. 圖七、沒有自我修正的 FIC 演算法於戶外實驗之三維空間結果圖. 圖八、沒有自我修正的 FIC 演算法於戶外實驗之 XY 平面俯瞰結果圖.

(22) 16. 圖九、沒有自我修正的 FIC 演算法於戶外實驗之 XZ 平面側面結果圖. 第二次使用有自我修正的 FIC 演算法進行實驗。實驗過程同本章第三節的實驗過程。實驗結果的三維空間結果圖如圖十、XY 平面俯瞰圖如圖十一、XZ 平面側面圖如圖十二。從三張結果圖，可以發現因為有自我修正的關係，即使有受風的影響，仍未偏離航道太多。從圖十二更可以發現在高度上的精確度上一個實驗來的好，也並沒有發現錯誤傳播的特性。在每點 GPS 點的距離誤差平均大約 4.08 公尺，平面中經緯度的距離誤差平均有 4.06 公尺，經度及海拔的距離誤差平均有 0.40 公尺。.

(23) 17. 圖十、FIC 演算法於戶外實驗之三維空間結果圖. 圖十一、FIC 演算法於戶外實驗之 XY 平面俯瞰結果圖.

(24) 18. 圖十二、FIC 演算法於戶外實驗之 XZ 平面側面結果圖. 三次實驗的平均距離誤差統計如表一。進行分析可以發現，無論在模擬器中或是在戶外飛行，有自我修正的 FIC 演算法對於高度的影響是很顯著的。這使得多旋翼在飛行時遇到側風干擾也不至於上下嚴重震盪或在高度上偏離。另一方面，戶外實驗因為側風影響，所以實驗結果不如模擬器，但是有自我修正的 FIC 演算法實驗結果明顯優於沒有自我修正的。表一、各實驗之平均距離誤差統計模擬器. 室外. Waypoint Error Distance (m). FIC 有自我修正 2.01(m). FIC 無自我修正 6.01(m). FIC 有自我修正 4.08(m). Lat-Lon Error Distance (m). 1.85(m). 5.81(m). 4.06(m). Altitude Error Distance (m). 0.45(m). 1.50(m). 0.40(m). (註：數據四捨五入到小數點後第二位).

(25) 19. 第五章結論及未來展望我們提出了一個專門為了多旋翼而設計的 FIC 演算法，讓多旋翼能夠在執行長距離任務的過程中即使失去 GPS 訊號仍能繼續執行任務。其中因應多旋翼在飛行時會遇到的最大困難－側風，提出自我修正的方法來避免偏離航道；在多旋翼可承受的風速下，可以順利完成任務。並透過實驗驗證整個系統的完整性及可靠性，在戶外飛行平均 4 公尺的誤差、模擬器中則只有平均 2 公尺的誤差。實驗證明了多旋翼在無 GPS 訊號時仍能在戶外執行任務，但就操作的精細度上還有精進的地方。未來可能可以加入氣壓計來針對高度進行更精準的判斷及修正。另外，Dead Reckoning 的部分也必須校正感測器的精確度，降低因為感測器產生計算上的誤差，可以利用濾波器去除噪音、或是利用 GPS 訊號存在時的飛行資訊來校正失去 GPS 訊號候用 FIC 計算出的飛行資訊。經過操作飛行的進步後就能讓多旋翼飛進建築物中，配合上其他的感測器，像是距離感測器來感測與牆壁或是障礙物的距離、攝像鏡頭及 GPU 處理辨識障礙物等等。讓多旋翼執行的任務面向越來越多元。.

(26) 參考文獻 [1]. http://www.amazon.com/b?node=8037720011. [2]. THOMPSON, Elizabeth A., et al. Software-defined GPS receiver on USRP-platform. Journal of Network and Computer Applications, 2012, 35.4: 1352-1360.. [3] CHEN, Jian, et al. Practicing a record-and-replay system on USRP. In:Proceedings of the second workshop on Software radio implementation forum. ACM, 2013. p. 61-64. [4] SAYED, Ali H.; TARIGHAT, Alireza; KHAJEHNOURI, Nima. Network-based wireless location: challenges faced in developing techniques for accurate wireless location information. IEEE signal processing magazine, 2005, 22.4: 24-40. [5]. ZHOU, Qing-Li, et al. Dead reckoning and Kalman filter design for trajectory tracking of a quadrotor UAV. In: Mechatronics and Embedded Systems and Applications (MESA), 2010 IEEE/ASME International Conference on. IEEE, 2010. p. 119-124.. [6] JIMENEZ, Antonio R., et al. A comparison of pedestrian dead-reckoning algorithms using a low-cost MEMS IMU. In: Intelligent Signal Processing, 2009. WISP 2009. IEEE International Symposium on. IEEE, 2009. p. 37-42. [7]. FERREIRA, Sérgio, et al. Assessing the capacity of man-portable UAVs for network access point localization, using RSSI link data. In: Unmanned Aircraft Systems (ICUAS), 2014 International Conference on. IEEE, 2014. p. 355-364.. [8]. VINCENTY, Thaddeus. Direct and inverse solutions of geodesics on the ellipsoid with application of nested equations. Survey review, 1975, 23.176: 88-93.. 20.

(27)