Algoritmus pro průzkum velkých prostorů pomocí skupiny kooperujících dronů

Jan Chleboun

Spanning Tree Coverage Algorithm on Large Spaces for Multi-UAV Systems

Type of document

bakalářská práce
bachelor thesis

Author

Jan Chleboun

Supervisor

Pereira Do Nascimento Tiago

Opponent

Váňa Petr

Study program

Kybernetika a robotika

Institutions assigning rank

katedra kybernetiky

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

V této práci jsou navrženy algoritmy Improved Artificially Weighted Spanning Tree Coverage (IAWSTC) a Cycle Growing With Event Partitioning (CGWEP). Tyto nové přístupy jsou vhodné pro prohledávání prostorů se známými překážkami, kde se mohou objevit také nečekané překážky. Pro vyřešení tohoto problému je také navržen algoritmus pro vyhlazování trajektorií a algoritmus přeplánování při detekci neočekávaných překážek. Byly provedeny simulační experimenty spolu s experimenty na opravdových dronech. Algoritmy jsou porovnány a zhodnoceny.

In this work, the Improved Artificially Weighted Spanning Tree Coverage (IAWSTC) and the Cycle Growing With Event Partitioning (CGWEP) algorithms are proposed. These novel approaches are suitable for the exploration of environments with cluttered regions, where unexpected obstacles can appear. In order to solve these problems, a smoothing algorithm together with an online replanner to avoid unexpected detected obstacles is proposed. Experiments are carried out in simulation and on real drones. The algorithms are then compared and conclusions are deduced.