Autonome Navigation für die Objekterfassung mit Multikoptern
Zusammenfassung der Projektergebnisse
Ziel des Projektes war die Entwicklung neuer Verfahren zur autonomen Navigation von Multikoptern zur Objekterfassung. In der ersten Projektphase wurde die gesamte hierarchische Verhaltensplanung und -kontrolle für die autonome Navigation eines Multikopters in der Nähe von Hindernissen realisiert. Diese umfasst die Komponenten: Missionsplanung, egozentrische und allozentrische Pfadplanung sowie die reaktive Hindernisvermeidung. Dabei arbeiten höhere Ebenen langsamer und mit einem größeren Planungshorizont als tiefere Ebenen, welche ihrerseits die abstrakten Pläne auf der Grundlage aktueller lokaler Umgebungsrepräsentationen zunehmend konkretisieren. Darauf aufbauend wurden in der zweiten Phase erweiterte Funktionalitäten für die autonome Navigation einer Schwebeplattform realisiert. Es wurden Methoden zur relativen Navigation bezüglich detektierter Objekte entwickelt. So wurden Objekte mit Kameras erfasst und mittels Visual Servoing relativ zu diesen navigiert. Des Weiteren können Bewegungen eines Zielobjekts vorhergesagt und in die Planung integriert werden, was beispielsweise das Landen auf einer beweglichen Plattform ermöglicht. Zur Vermeidung dynamischer Hindernisse wurde eine neue Methode entwickelt, welche die Bewegung dynamischer Objekte vorhersagt und Ausweichtrajektorien in Echtzeit auf dem Bordcomputer des Multikopters generiert. Um eine schnelle Erfassung der Hindernisse und somit eine sichere Kollisionsvermeidung zu garantieren, wird zudem das Sichtfeld der Onboard-Sensoren bei der Navigationsplanung berücksichtigt. Dadurch ist es nun möglich, Trajektorien zu erzeugen, bei denen die Flugrichtung permanent durch die Onboardsensorik abgedeckt wird. Die Navigationsplanung wurde außerdem um die Optimierung weiterer Kriterien ergänzt. So werden nun auch die Windverhältnisse und die Stärke des Kommunikationssignals einkalkuliert. Des Weiteren wurde eine Methode entwickelt, welche ein Modell der Roboterdynamik benutzt, um Trajektorien bezüglich der Beschleunigung und Geschwindigkeit des Fluggerätes zu optimieren. Dadurch konnen Trajektorien erzeugt werden, denen der Kopter mit geringem Steuerungsaufwand und hoher Geschwindigkeit folgen kann. Die Robustheit der Navigation gegenüber dem Ausfall von Teilsystemen wurde erhöht. Einer Delokaliserung wird vorgebeugt, indem die Daten verschiedener Sensoren für die Lokalisierung kombiniert werden. Außerdem kann eine Lokalisierung mittels Laserscannern garantiert werden, indem das Vorhandensein von ausreichender Umgebungsstruktur bei der Planung berücksichtigt wird. Durch schnelles Aktualisieren der geplanten Trajektorie können Auswirkungen eines Rotorausfalls minimiert werden. Um Kostenfunktionen aus den Demonstrationen eines erfahrenen Piloten lernen zu können, wurde das Verhalten des Experten als Policy in einem Markov-Entscheidungsprozess formalisiert und durch Value Iteration Networks (VINs) modelliert. Um die Anwendbarkeit von VINs auf großen Zustandsräumen zu erhöhen, wurden diese mit einer Umgebungsrepräsentation auf mehreren Abstraktionsebenen realisiert. Um eine vollständig autonome Objekterfassung zu ermöglichen, wurden zusätzlich Makros für automatisierte Starts und Landungen in die Softwareinfrastruktur integriert. Die Arbeiten erfolgten in enger Zusammenarbeit mit anderen Teilprojekten der Forschergruppe. Insbesondere diente die Umgebungswahrnehmung aus Teilprojekt P2 als Grundlage für die sichere Navigation in der Nähe von Hindernissen.
Projektbezogene Publikationen (Auswahl)
- (2016). Autonomous navigation for micro aerial vehicles in complex GNSS-denied environments. Journal of Intelligent & Robotic Systems (JINT), 84(1):199–216
Nieuwenhuisen, M., Droeschel, D., Beul, M., and Behnke, S.
(Siehe online unter https://doi.org/10.1007/s10846-015-0274-3) - (2016). Local multiresolution trajectory optimization for micro aerial vehicles employing continuous curvature transitions. In Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
Nieuwenhuisen, M. and Behnke, S.
(Siehe online unter https://doi.org/10.1109/IROS.2016.7759497) - (2018). Fast autonomous flight in warehouses for inventory applications. IEEE Robotics and Automation Letters (RA-L), 3(4):3121–3128
Beul, M., Droeschel, D., Nieuwenhuisen, M., Quenzel, J., Houben, S., and Behnke, S.
(Siehe online unter https://doi.org/10.1109/LRA.2018.2849833) - (2019). Autonomous MAV-based indoor chimney inspection with 3D laser localization and textured surface reconstruction. Journal of Intelligent & Robotic Systems (JINT), 93(1):317–335
Quenzel, J., Nieuwenhuisen, M., Droeschel, D., Beul, M., Houben, S., and Behnke, S.
(Siehe online unter https://doi.org/10.1007/s10846-018-0791-y) - (2019). Fast time-optimal avoidance of moving obstacles for highspeed mav flight. In Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
Beul, M. and Behnke, S.
(Siehe online unter https://doi.org/10.1109/IROS40897.2019.8968103) - (2019). Search-based 3D planning and trajectory optimization for safe micro aerial vehicle flight under sensor visibility constraints. In Proceedings of IEEE International Conference on Robotics and Automation (ICRA)
Nieuwenhuisen, M. and Behnke, S.
(Siehe online unter https://doi.org/10.1109/ICRA.2019.8794086)
