Multicopter Route Planning and Collision-Avoidance Systems

Abstract

I denne rapporten er målet å implementere og teste metoder for kollisjons unngåelse og navigasjon for multikoptere som beveger seg fritt i miljøer med hindring uten GPS-tilgang. Dette gjøres i en simulator.

UAVer er brukt i en rekke industrielle applikasjoner. Det er fortsatt muligheter for større utnyttelse innen inspeksjoner av store områder innendørs og områder forbundet med høy risiko. Innendørs inspeksjoner utført av UAVer kan gi store gevinster i situasjoner hvor industrielle anlegg må legges ned, eller hvor det er fare for menneskeliv ved utførelse av inspeksjon.

Uforutsette hindringer kan oppstå under innendørs inspeksjoner. Derfor vil det være viktig å implementere mekanismer for vei planlegging og hindringsunngåelse. Dette er for at en drone eller en fører skal kunne gjennomføre en trygg og effektiv inspeksjon. Denne oppgaven presenterer en metode som vil assistere en fører for å unngå hindringer under en inspeksjon, hvis den autonome undersøkelsen blir forstyrret, eller det er behov for en grundigere undersøkelse.

Den operatør fokuserte 3DVFH+ algoritmen er en lokal ruteplanleggings algoritme som er justert for å hjelpe operatøren. Algoritmen er testet med en digitalisert hindrings representasjon basert på Octomap og generert ved hjelp av en tredimensjonal dybdesensor.

Oppgaven viser at den operatør fokuserte 3DVFH+ algoritmen er i stand til å unngå hindringer med god avstand, både i hindringskart som er generert når man kjører og ett som er generert på forhånd.

The aim of this thesis is to implement and test guidance systems for multicopter UAVs in GPS denied environments.

UAVs are now used within a wide range of industrial applications. However, autonomous inspections in hazardous and larger environments is not utilised to its full potential. UAVs for inspections can make a difference by reducing downtime, inspection cost, and the risk to human health.

Unforeseen obstacles can occur when doing indoor inspections and therefore path planning and obstacle avoidance schemes has to be implemented for the drone or operator to complete the task. This thesis presents an obstacle avoidance scheme that is focused on assisting the operator in conducting the inspection. This is important if the autonomous inspection is interrupted or something has to be inspected more thoroughly.

The operator focused 3DVFH+ obstacle avoidance algorithm is a local path planning scheme that is adjusted to support the operator. The algorithm is tested with a obstacle map representation of the environment created with the use of Octomap and a three-dimentional lidar.

This thesis shows that the operator focused 3DVFH+ algorithm is