Navigace UAV pro úlohu hašení v soutěži MBZIRC

Abstract

Tato práce se zabývá navigací bezpilotní helikoptéry pro účel autonomního vletu do budovy a jejího autonomního průzkumu. Tento výzkum byl motivován účastí na robotické soutěži Mohamed Bin Zayed International Robotic Challenge 2020, respektive její části zabývající se hašením požárů ve výškových budovách. Práce se soustředí zejména na detekci oken z dat naměřených pomocí 2D LiDARu, fúzi těchto detekcí s detekcemi z 3D hloubkové kamery a plánování bezpečného letu skrz detekované okno a vnitřek budovy. Okna jsou z LiDARových dat detekována pomocí kombinace algoritmů na extrakci přímek. Na filtrování a fúzi jednotlivých detekcí je použit lineární Kalmanův filtr. Stavový automat generující referenční trajektorie v podobě přímek s konstantní rychlostí je poté použit pro plánování průletu cílovým oknem. Algoritmus na sledování zdí, generující trajektorie na základě dat z LiDARových měření, je použit pro plánování letu uvnitř budovy. Všechny navržené algoritmy byly podrobně otestovány v simulacích a reálných experimentech za normálních podmínek i v prostředí s kouřem.

This thesis deals with the guidance of an unmanned multirotor aircraft for autonomous flight into buildings and autonomous indoor exploration. This research was motivated by the firefighting challenge of the Mohamed Bin Zayed International Robotic Challenge 2020. The main focus of this work is placed on window detection from 2D LiDAR data, fusion of the obtained detections with 3D depth camera data, and path planning for safe flight through the detected window and inside the building. A combination of line extraction algorithms is used for window detection from the LiDAR data. A Kalman filter-based estimator is used for filtering and fusion of the individual detections. A state machine generating line trajectories with constant velocity is used for guiding the UAV through the detected window. A wall following algorithm producing local trajectories based on a single laser scan is used for guiding the UAV inside the building. The proposed algorithms were extensively verified in simulations and real-world experiments under normal visibility conditions and in a smoke-filled environment.