Autonomní snímání velkoplošných objektů pomocí bezpilotní helikoptéry

Abstract

Světové kulturní dědictví má důležitou roli ve společnosti. Je důležité monitorovat jeho stav, aby mohlo být zachováno pro budoucí generace. Slibný přístup pro monitorování těchto objektů je použití metody plánování pokrytí pomocí autonomních bezpilotních prostředků pro sběr fotografií. V této práci uvažujeme problém plánování pokrytí pro skenování velkoplošných historických objektů, za pomoci autonomních bezpilotních helikoptér s využitím pro periodickou a detailní inspekci takových objektů. V této práci je problém plánování pokrytí formálně definován jako dva podproblémy s ohledem na různá omezení zaručující kvalitu obrázků a bezpečnost v průběhu sběru fotografií a je navrženo řešení. Prezentujeme řešení problému založené na výpočtu nejlepších vyhovujících prostorových orientacích (configuracích) kamery pomocí nákladové funkce pro rozdělení buňek cílené roviny, a řešení instance problému obchodního cestujícího, zkonstruované pomocí heuristiky Euklidovských vzdáleností mezi pozicemi kamer. Poté je aplikován plánovač pro získání bezkolizní cesty spojující pozice kamer. Řešení je implementováno v jazyce Python a testováno v simulátoru Gazebo s vyuřitím robotického operačního systému a systému pro řízení bezpilotních prostředků skupiny MRS. Dosažené výsledky a jejich analýza je prezentována spolu s návrhy na možné vylepšení navrhovaného přístupu.The world's cultural heritage has an important role in society. It is important to monitor the condition of cultural heritage, so it is preserved for future generations. A promising approach for monitoring such assets is the deployment of autonomous unmanned aerial vehicles (equipped with sensors) using methods of coverage path planning for path planning in image acquisition tasks. We consider the coverage path planning problem using autonomous unmanned aerial vehicles with the application of image mosaicing for scanning large-scale historical objects for periodic and detailed inspection. In this thesis, the problem is formally defined and divided into two subproblems, with various constraints corresponding to requirements on image quality and safety during image acquisition process. We propose a solution to this problem based on computing the best feasible camera configuration according to a cost function for cell decomposition of plane of interest and solving a traveling salesman problem instance, based on Euclidean distance heuristic constructed from the camera positions. Then a planner is applied, to get collision-free paths connecting the camera positions. The solution is implemented in Python and is tested in the Gazebo simulator under the robot operating system using the MRS UAV system. The achieved results and their analysis are presented alongside identified potential future improvements of the proposed approach.