Path Planning for Surface Inspection with Tethered Drone
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3110952Utgivelsesdato
2023Metadata
Vis full innførselSamlinger
Beskrivelse
Full text not available
Sammendrag
Inspeksjon og vedlikehold av industrielle tanker er kritisk for å sikre deres funksjon og holdbarhet. Denne prossessen er ikke bare kostbar, men den kan også sette menneskers sikkerhet på spill (DNV, 2018). På grunn av dette har bruk av droner for inspeksjon sett en oppblomstring i de seneste årene – et skifte mot autonom inspeksjon har begynt. Bruk av droner gir en todelt fordel: det er en tidseffektiv og kostbestarende løsning og, kanskje aller viktigst, det begrenser eksponeringen av menneskelig personell for de skadelige forholdene i tankene.
Hos ScoutDI blir en kabelfestet drone utviklet for å hjelpe med trygg fjerninspeksjon. Selvom dronen blir styrt av en opplært inspektør idag, er autonomi på horisonten. Denne avhandlingen sikter på å drive forskning på kabelfestet autonomi fremover. Det spesifikke målet er å planlegge en optimal bane, i et lukket og kjent miljø, slik at all vertikal overflate blir sett av et kamera ombord på dronen. Samtidig skal kabelen, som dronen er festet med, ikke bli viklet inn i hindrene inne i tanken. Tilnærmingen for å løse denne oppgaven er å modellere problemet som en Non-Entangling Traveling Salesman Problem with Neighborhoods (NE-TSPN) for så å løse dette. Dette er en ny utvidelse av det klassiske problemet Traveling Salesman Problem (TSP). I denne formuleringen er overflaten delt inn i et sett med overflateelementer. For hvert overflateelement blir en geometrisk oberservasjonsregion definert slik at dersom dronen er inne i denne regionen så eksisterer det en giring (engelsk: yaw) slik at overflateelementet blir sett av kameraet. Oppgaven er å besøke alle disse regionene slik at alle overflateelementene blir sett i løpet av kortest mulig tid. Dette er løst ved å løse en Traveling Salesman Problem with Neighborhoods (TSPN) iterativt. Baner mellom dronekonfigurasjoner blir funnet ved en en kombinasjon av å bruke en effektiv lokal baneplanlegger og baneoppslag i en prekonstruert banematrise.
I tillegg til å besøke alle regionene på kortest mulig tid må banen forsikre at kabelen ikke blir viklet inn i hindringer. Dette er løst ved å legge til en ikke-inviklende (engelsk: non-entanglig) restriksjon på hvilke baner dronen kan ta – derav NE i NE-TSPN. Restriksjonen er topologisk av natur og er innkodet i en graf brukt for baneplannlegging ved å augmentere grafen med homotopisignaturer (Kim et al., 2014).Gjennom grundig eksperimentering, og en case-studie av en ekte tank som ligger på Mongstad raffineri, viser tilnærmingen lovende resultater. Etter 10 iterasjoner, og 3411 sekunder med komputering, ble en ikke-inviklende bane på 3621 sekunder funnet for tanken på Mongstad. Den resulterende banen har en approksimert vertikal overflatedekkelse på 82.7%. Kortsiktige modifikasjoner for å forbedre disse resultatene, samt spennende fremtidig forsking, er foreslått mot slutten av denne avhandlingen. Inspection and maintenance of industrial tanks are vital for ensuring their functionality and reliability. However, not only is there a high monetary cost associated with performing such an inspection, but the inspection process in itself may put human life at risk (DNV, 2018). To combat this, the usage of drones for inspection has seen a surge in recent years – the shift towards autonomous inspection has begun. Utilization of drones offers a dual advantage: it is a time-effective solution that brings considerable cost savings for all involved parties, and most importantly, it limits the exposure of human personnel to hazardous tank environments.
At ScoutDI, a tethered drone is developed to aid in remote inspection. Although the drone is currently operated by a trained inspector, autonomy is on the horizon. This thesis aims to drive research on tethered drone autonomy forward. To be specific, the goal is to plan an optimal path in a known closed environment such that all vertical surface is seen by an onboard camera. At the same time, the tether should not become entangled in the interior obstacles. The approach taken to solve this goal is to model the problem as a Non-Entangling Traveling Salesman Problem with Neighborhoods (NE-TSPN) and solve it as such. This is a novel extension of the classical Traveling Salesman Problem (TSP). In this formulation, the surface is divided into a set of surface elements. For each surface element, a geometric view region is defined such that if the drone is within the region, there exists a yaw angle such that the whole surface element is seen by the camera. The task is to visit all these regions such that all surface elements are seen in the least amount of time. This is solved by solving a Traveling Salesman Problem with Neighborhoods (TSPN) in an iterative fashion. Paths between drone poses are found by a combination of an efficient straight-line local path planner, and path lookup in a preconstructed path matrix.
In addition to visiting all regions in the shortest amount of time, the path must ensure that the tether is not entangled in the environment. This is solved by adding a non-entangling constraint to the paths the drone may take – hence the NE in NE-TSPN. The constraint is a topological one and is encoded in the graph used for path planning by augmenting the graph with homotopy signatures (Kim et al., 2014).Through rigorous experimentation and a case study of a real-world tank located at Mongstad refinery, the approach shows promising results. After 10 iterations and 3411 seconds of compute time, a non-entangling path with an execution time of 3621 seconds was found for the tank at Mongstad. The resulting path has an approximate vertical surface coverage of 82.7%. Shortterm modifications for improving these measures, as well as exciting future research ideas, are suggested toward the end of the thesis.