A Study on Autonomous Navigation and Obstacle Avoidance Methods for UAVs Based on Visual-Inertial Fusion
Dieses Paper schlägt eine kostengünstige, leichtgewichtige Vision-Inertial-Fusionsmethode für Mikro-Drohnen vor, die VINS-Mono zur hochfrequenten Pose-Schätzung mit Ego-Planner für die dynamische Trajektorienplanung kombiniert und so eine robuste autonome Navigation sowie Hindernisvermeidung in GPS-gestörten Umgebungen mit hoher Hindernisdichte mit einer Erfolgsrate von mindestens 70 % und einer im Vergleich zu A* überlegenen Trajektorienglätte erreicht.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine kleine Drohne vor, die versucht, ihren Weg durch einen dunklen, unübersichtlichen Tunnel zu finden. Sie kann sich nicht auf die Satellitensignale verlassen, die unsere Telefone oder Autos leiten, da das Gestein und die Erde darüber diese Signale blockieren. Sie kann auch keine schweren, teuren Laserscanner mitführen, da die Drohne zu klein ist, um sie zu heben. In dieser schwierigen Situation muss sich die Drohne auf ihre eigenen Augen und ein Gefühl für das Gleichgewicht verlassen, um Kollisionen mit Wänden oder Hindernissen zu vermeiden. Dies ist die Herausforderung, der sich Forscher stellen, wenn sie versuchen, winzige fliegende Maschinen in Orten wie unterirdischen Minen, Katastrophengebieten oder dichten Wäldern sicher zu betreiben. Lange Zeit hatten diese Maschinen Schwierigkeiten, sich in solch engen, signalfreien Räumen reibungslos oder präzise zu bewegen, was oft zu Abstürzen oder gescheiterten Missionen führte.
Ein Team von Ingenieuren der Taiyuan University und einem Kranbauunternehmen aus China hat einen neuen Weg entwickelt, wie diese kleinen Drohnen navigieren können. Sie entwickelten ein System, das kombiniert, was die Drohne sieht, mit dem, wie sie ihre eigene Bewegung fühlt. Die Drohne nutzt eine einzige Kamera, um nach vorne zu blicken, und einen kleinen Sensor, der Beschleunigung und Rotation misst, ähnlich dem Sensor in einem Smartphone. Durch die Verschmelzung dieser beiden Informationsströme kann die Drohne genau bestimmen, wo sie sich befindet und wie sie sich bewegt, selbst wenn sie sich schnell dreht oder die Lichtverhältnisse schlecht sind. Dieses System benötigt vorab keine Karte der Welt; stattdessen erstellt es während des Fluges ein Bild der unmittelbaren Umgebung und sucht in Echtzeit nach sicheren Pfaden durch die Hindernisse.
Die Forscher testeten diese Idee, indem sie einen kleinen Quadrocopter mit einem Radstand von 230 Millimetern bauten. Sie statteten ihn mit einer Kamera aus, die 30 Bilder pro Sekunde aufnimmt, sowie dem Bewegungssensor. Das Gehirn der Drohne war ein kompakter Computer, der Daten schnell verarbeiten konnte. Um zu sehen, ob das System funktionierte, errichtete das Team eine anspruchsvolle Testumgebung. Sie schufen einen Raum von 4 Metern mal 4 Metern und füllten ihn mit 10 bis 12 großen Hindernissen, die jeweils 1,5 Meter hoch waren. Die Beleuchtung wurde sehr schwach gehalten, bei etwa 6 Lux, was viel dunkler ist als ein typisches Wohnzimmer, und sie blockierten alle Satellitensignale vollständig. In dieser schwierigen Umgebung musste die Drohne von einem Startpunkt zu einem Ziel fliegen, das 5,7 Meter entfernt lag, wobei sie die Hindernisse eigenständig umgehen musste.
Die Ergebnisse zeigten, dass die neue Methode deutlich zuverlässiger war als ältere Techniken. In diesen Tests schloss die Drohne ihre Mission in 70 % bis 80 % der Fälle erfolgreich ab, abhängig von der spezifischen Anordnung der Hindernisse. Wenn die Forscher dies mit einer Standard-Navigationsmethode verglichen, die sich nur auf visuelle Daten ohne den Bewegungssensor verlässt, scheiterte die ältere Methode viel häufiger, mit einer Erfolgsquote von nur 40 %. Die ältere Methode wich auch vom Kurs ab und landete fast einen halben Meter entfernt von ihrem eigentlichen Ziel, während das neue System innerhalb von 12 Zentimetern der korrekten Bahn blieb. Dieser Unterschied ist entscheidend, da selbst ein kleiner Fehler in einem engen Raum zu einer Kollision führen kann.
Über das bloße Erreichen des Ziels hinaus war auch die Art und Weise, wie sich die Drohne bewegte, auch geschmeidiger. Das neue System erzeugte Flugpfade, die sanft kurvten, was es der Drohne ermöglichte, durch die Hindernisse zu gleiten, ohne scharfe Kurven oder plötzliche Stopps zu machen. Im Gegensatz dazu erzeugten die älteren Methoden oft zackige, stockende Pfade, die für eine Drohne schwieriger sicher zu fliegen sind. Die Forscher fanden heraus, dass 87 % der von ihrem neuen System erzeugten Pfade glatter waren als die der gängigen Planungsalgorithmen. Diese Geschmeidigkeit ist wichtig, da sie Energie spart und das Risiko verringert, dass die Drohne bei scharfen Manövern die Kontrolle verliert. Das System schaffte all dies auf einem kleinen Computer, der selbst nach 15 Minuten ununterbrochenem Flug in einem Raum bei 25 Grad Celsius nicht überhitzte.
Die Studie untersuchte auch, wie das System mit unterschiedlichen Bedingungen umgeht. Wenn das Licht sehr schwach war, unter 10 Lux, sank die Fähigkeit der Drohne, Merkmale in der Umgebung zu erkennen, und die Erfolgsquote fiel auf 55 %. Die Forscher stellten fest, dass die visuellen Sensoren in einer solch extremen Dunkelheit Schwierigkeiten haben, genügend Details für eine ordnungsgemäße Arbeit zu finden. Sie schlugen vor, dass das Hinzufügen eines einfachen Infrarotlichts dieses Problem lösen könnte, was der Drohne effektiv „Nachtsicht“ verleihen würde, um ihre Navigationsfähigkeit wiederherzustellen. Ähnlich verhielt es sich, wenn die Hindernisse sehr dicht beieinander standen: Die Drohne musste härter arbeiten, um einen Pfad zu finden, schaffte es aber dennoch in 70 % der Fälle. Die Forscher räumten ein, dass ihr System zwar in diesen kontrollierten Tests gut funktioniert, reale Katastrophengebiete jedoch noch komplexere Herausforderungen bieten könnten, wie etwa starke Luftströmungen oder völlig dunkle Umgebungen, in denen kein Licht vorhanden ist.
Diese Arbeit zeigt, dass kleine Drohnen in schwierigen, GPS-freien Umgebungen autonom fliegen können, ohne schwere Ausrüstung zu benötigen. Durch die sorgfältige Kombination von visuellen Daten mit Bewegungserfassung und die Optimierung der Software für einen effizienten Betrieb hat das Team eine leichte Lösung geschaffen, die sowohl präzise als auch geschmeidig ist. Obwohl das System noch nicht für jedes mögliche Szenario perfekt ist, insbesondere bei völliger Dunkelheit oder über sehr lange Distanzen, stellt es einen bedeutenden Schritt nach vorn dar. Die Forscher planen, die Technologie durch das Hinzufügen anderer Arten von Sensoren und das Testen des Systems in größeren, komplexeren Umgebungen weiter zu verbessern, mit dem Ziel, diese Fähigkeit aus dem Labor in reale Anwendungen zu bringen, wo sie bei der Suche und Rettung oder der Infrastrukturinspektion helfen könnte.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.