Autonomous UAV Landing on a Boat - Perception, Control and Mission Planning

Abstract

De potensiale bruksområdene for ubemannede droner (UAV-er) fortsetter å øke ettersom de har blitt betydelig mer kapable og billigere i løpet av de siste tiårene. Ett område hvor UAV-er kan bidra positivt er innenfor søk og redningsaksjoner, hvor de kan hjelpe til å effektivisere søket etter ofre.

Landingen er en felles utfordring for alle autonome UAV-oppdrag. Målet med denne oppgaven er å lande en Parrot Anafi UAV-drone autonomt på en landingsplattform montert på det maritime fartøyet DNV ReVolt.

Oppgaven bryter ned landingen i oppfattelse, regulering, og oppdragsplanlegging. Innen oppfattelse brukes to forskjellige datasynalgoritmer sammen i et Kalman-filter for å estimere den relative posisjonen mellom UAV-en og landingsplattformen. Reguleringssystemet som brukes er en kaskaderegulator med posisjon-, hastighet-, og vinkelregulering, hvor bruk av forskjellige posisjons- og hastighetsregulatorer utforskes. Til slutt undersøker oppgaven hvorvidt algoritmer basert på kunstig intelligens for oppdragsplanlegging (AI planning) kan brukes for å planlegge oppdragene til en slik type UAV.

Oppgaven konkluderer med at oppfatnings- og reguleringssystemene var pålitelige nok til å lande UAV-en på en helt eller delvis stasjonær landingsplattform, både innendørs og med landingsplattformen montert på DNV ReVolt-båten på sjøen. I de landingene der landingsplattformen beveger seg betydelig kreves imidlertid mer nøyaktig oppfatning og bedre reguleringssystemer for å kunne lande pålitelig.

Oppgaven demonstrerer at AI planning kan brukes i dette problemet til å generere en gyldig sekvens med handlinger som løser et oppdrag basert på forhåndsbestemte mål. Imidlertid kunne ikke den faktiske effektiviteten til slike algoritmer bedømmes da oppdragene i denne oppgaven ikke var kompliserte nok.

The potential use cases for small unmanned aerial vehicles (UAVs) are ever-increasing as they have become significantly more capable and cheaper over the past decades. One area where they could provide meaningful contributions is in search and rescue (SAR) missions, where they could help speed up the search for victims.

Landing is a common challenge for all autonomous UAV missions. This thesis aims to land a Parrot Anafi quadcopter UAV autonomously on a helipad mounted on the DNV ReVolt marine vessel at sea.

The thesis breaks down the landing problem into perception, control, and mission planning. For perception, two different computer vision algorithms are combined in a model-based Kalman filter to estimate the relative position between the Anafi and the helipad. The control system used is a cascaded structure of position, velocity, and attitude control, where different velocity and position control methods are investigated. The thesis finally investigates whether artificial intelligence (AI) planning is a suitable form of mission planning for this problem.

The thesis concludes that the perception and control system was reliable enough to land the UAV on an entirely or nearly stationary helipad, indoors and with the helipad mounted on the ReVolt at sea. However, for landings where the helipad moved significantly, more accurate position estimation and a better-suited guidance system are necessary to land reliably.

The thesis demonstrates that AI planning could be used in this problem to generate a valid action sequence to solve a mission based on predefined goals. However, the actual effectiveness of such algorithms could not be determined due to the missions tested being insufficiently complex.