Strategie pro autonomní prohledávání pomocí bezpilotních helikoptér v podzemních záchranných misích

Abstract

Tato bakalářská práce se zabývá návrhem několika strategií pro tým autonomních bezpilotních helikoptér v podzemních záchranných misích, v nichž je cílem nalézt co nejvíce předem daných objektů - přeživších, batohů, atd. v omezeném čase a předat informaci o jejich poloze na základnu u vstupu do prozkoumávaného prostředí. Tato problematika je zjednodušena převodem na problematiku maximalizace celkově prozkoumané plochy povrchů prostředí pomocí kamer umístěných na robotech. Pro ukládání informace o prozkoumanosti povrchů je v této práci navržena a implementována robustní povrchová mapovací struktura vytvářená za letu na palubě drony. Za účelem rychlého plánování cest skrze prozkoumávané prostředí, aproximace vzdáleností cest k exploračním bodům a možnosti sdílení tvaru prostředí je dále navržena a implementována topologická online mapovací struktura. Dále je také navržena architektura pro sdílení informací o topologii, povrchu a exploračních cílech mezi roboty. Následně jsou navrženy tři strategie, které používají zmíněné mapovací struktury a kombinují metody pro klasickou robotickou exploraci a merody pro prozkoumávání povrchů. Tyto strategie jsou otestovány v simulaci i na reálné bezpilotní helikoptéře.

This thesis deals with the design of multiple autonomous search strategies for a team of UAVs in search and rescue (SAR) missions in subterranean environments in which the goal is to find certain objects of interest - survivors, backpacks etc. and to report their positions to a base station outside the environment in a limited time. This problem is simplified as the problem of maximizing the surface area cumulatively covered by the cameras of all robots. To store information about surface coverage, a robust and incrementally built surface mapping structure is designed and implemented. To enable quick long-distance path planning and lightweight sharing of the robots' world representation, an incrementally built topology map is designed and implemented. A framework for sharing information about topology, coverage and frontiers among robots in a lightweight manner is also presented. Finally, three different fully autonomous search strategies that utilize the designed mapping and sharing structures and focus in different parts on coverage path planning and volumetric exploration are presented and evaluated both in the realistic Gazebo simulation and on a real UAV platform.