A Study on Autonomous Navigation and Obstacle Avoidance Methods for UAVs Based on Visual-Inertial Fusion
Dit artikel stelt een goedkope, lichtgewicht vision-inertial fusiemethode voor micro-drones voor die VINS-Mono combineert voor hoogfrequente pose-estimatie met Ego-Planner voor dynamische trajectplanning, waarmee robuuste autonome navigatie en obstakelvermijding wordt bereikt in GPS-loze omgevingen met een hoge obstakeldichtheid met een minimaal succespercentage van 70% en een superieure trajectgladheid vergeleken met A*.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je een kleine drone voor die probeert haar weg te vinden door een donkere, rommelige tunnel. Ze kan niet vertrouwen op de satellietignalen die onze telefoons en auto's sturen, omdat het gesteente en de aarde erboven deze signalen blokkeren. Ze kan ook geen zware, dure laserscanners meedragen, omdat de drone te klein is om ze te tillen. In deze moeilijke situatie moet de drone vertrouwen op haar eigen ogen en een gevoel van evenwicht om botsingen met muren of obstakels te voorkomen. Dit is de uitdaging waarmee onderzoekers worden geconfronteerd wanneer zij proberen kleine vliegende machines veilig te laten opereren in plaatsen zoals ondergrondse mijnen, rampgebieden of dichte bossen. Lange tijd hadden deze machines moeite om soepel of nauwkeurig te bewegen in dergelijke krappe, signaalvrije ruimtes, wat vaak leidde tot crashes of mislukte missies.
Een team van ingenieurs van de Universiteit van Taiyuan en een kraanfabrikant uit China heeft een nieuwe manier ontwikkeld waarlangs deze kleine drones kunnen navigeren. Ze hebben een systeem gecreëerd dat combineert wat de drone ziet met hoe zij haar eigen beweging voelt. De drone gebruikt een enkele camera om naar voren te kijken en een kleine sensor die versnelling en rotatie meet, vergelijkbaar met de sensor in een smartphone. Door deze twee stromen informatie te versmelten, kan de drone precies uitrekenen waar zij is en hoe zij beweegt, zelfs wanneer zij snel ronddraait of wanneer de verlichting slecht is. Dit systeem heeft vooraf geen kaart van de wereld nodig; in plaats daarvan bouwt het een beeld van de directe omgeving terwijl het vliegt, waarbij het in realtime op zoek gaat naar veilige paden door de obstakels.
De onderzoekers testten dit idee door een kleine quadcopter te bouwen met een wielbasis van 230 millimeter. Ze equipeerden deze met een camera die 30 foto's per seconde maakt en de bewegingssensor. Het brein van de drone was een compacte computer die gegevens snel kon verwerken. Om te zien of het systeem werkte, richtte het team een uitdagende testomgeving in. Ze creëerden een ruimte van 4 bij ក្រ 4 meter en vulden deze met 10 tot 12 grote obstakels, die elk 1,5 meter hoog waren. De verlichting werd zeer zwak gehouden, op ongeveer 6 lux, wat veel donkerder is dan een typische woonkamer, en ze blokkeerden alle satelliet-signalen volledig. In deze moeilijke setting moest de drone vanaf een startpunt naar een doel vliegen dat zich op 5,7 meter afstand bevond, waarbij zij zelfstandig de obstakels moest vermijden.
De resultaten lieten zien dat de nieuwe methode aanzienlijk betrouwbaarder was dan oudere technieken. In deze tests voltooide de drone haar missie 70% tot 80% van de tijd, afhankelijk van de specifieke opstelling van de obstakels. Wanneer de onderzoekers dit vergeleken met een standaard navigatiemethode die alleen op visuele gegevens vertrouwt zonder de bewegingssensor, faalde de oudere methode veel vaker, met een succespercentage van slechts 40%. De oudere methode raakte ook uit koers en kwam bijna een halve meter naast waar zij had moeten zijn terecht, terwijl het nieuwe systeem binnen 12 centimeter van het juiste pad bleef. Dit verschil is cruciaal, omdat zelfs een kleine fout in een krappe ruimte tot een botsing kan leiden.
Naast het bereiken van de bestemming, was de manier waarop de drone bewoog ook soepeler. Het nieuwe systeem genereerde vliegpaden die zachtjes kromden, waardoor de drone door de obstakels kon glijden zonder scherpe bochten of plotselinge stops. In tegen tegenstelling hiertoe produceerden de oudere methoden vaak schokkerige, stop-en-start paden die moeilijker zijn voor een drone om veilig te vliegen. De onderzoekers ontdekten dat 87% van de paden die door hun nieuwe systeem werden gegenereerd, soepeler waren dan die van een veelvoorkomend planningsalgoritme. Deze vloeiendheid is belangrijk omdat het energie bespaart en het risico vermindert dat de drone de controle verliest tijdens scherpe manoeuvres. Het systeem slaagde erin dit alles te doen terwijl het draaide op een kleine computer die niet oververhit raakte, zelfs niet na 15 minuten continue vlucht in een kamer van 25 graden Celsius.
De studie keek ook naar hoe het systeem omgaat met verschillende omstandigheden. Wanneer het licht zeer laag was, onder de 10 lux, nam het vermogen van de drone om kenmerken in de omgeving te zien af, en daalde het succespercentage naar 55%. De onderzoekers merkten op dat de visuele sensoren in dergelijke extreme duisternis moeite hebben om genoeg details te vinden om goed te kunnen werken. Zij suggereerden dat het toevoegen van een eenvoudig infrarood licht dit probleem zou kunnen oplossen, wat de drone effectief "nachtzicht" geeft om haar navigatievermogen te herstellen. Op dezelfde manier, wanneer de obstakels heel dicht op elkaar gepakt waren, moest de drone harder werken om een pad te vinden, maar slaagde zij er nog steeds in om 70% van de tijd te slagen. De onderzoekers erkenden dat hoewel hun systeem goed werkt in deze gecontroleerde tests, echte rampgebieden nog complexere uitdagingen kunnen presenteren, zoals sterke luchtstromen of volledig donkere omgevingen waar geen enkel licht beschikbaar is.
Dit werk demonstreert dat kleine drones autonoom kunnen vliegen in moeilijke, GPS-vrije omgevingen zonder zware apparatuur nodig te hebben. Door visuele gegevens zorgvuldig te combineren met bewegingsdetectie en de software te optimaliseren om efficiënt te draaien, heeft het team een lichtgewicht oplossing gecreëerd die zowel nauwkeurig als soepel is. Hoewel het systeem nog niet perfect is voor elk mogelijk scenario, met name in totale duisternis of over zeer lange afstanden, vertegenwoordigt het een belangrijke stap voorwaarts. De onderzoekers zijn van plan de technologie verder te verbeteren door andere soorten sensoren toe te voegen en het systeem te testen in grotere, complexere omgevingen, met als doel deze capaciteit van het laboratorium naar praktische toepassingen in de echte wereld te brengen, waar het kan helpen bij zoek- en reddingsacties of inspecties van infrastructuur.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.