Trajectory (re)planning of a quadcopter in indoor environments with unknown obstacles

Abstract

In recent decades, the development of unmanned aerial vehicles (UAVs), driven by research and industry, has been playing an important role in various fields. In this thesis, the trajectory planning and obstacle avoidance of a quadcopter in indoor environments with unknown obstacles is presented. The quadcopter is equipped with a single-board computer and an autopilot program. The single-board computer executes the Robot Operating System (ROS), which is used to specify the trajectory as well as to process data from the sensors of the quadcopter. The autopilot program takes over the hardware-related commands and calculates the motor control outputs based on the computed trajectory and data from sensors.The proposed trajectory planning consists of two following steps. First, a collision-free path consisting of several waypoints is computed by using the optimal rapidly exploring random tree (RRT*) algorithm. Note that the line-of-sight (LOS) algorithm is employed to smooth and reduce as much as possible the number of waypoints of the computed path. Second, a constrained quadratic program is utilized to calculate the control inputs by exploiting the differential flatness property of the quadcopter.In addition, a depth camera is used to detect unknown obstacles in the environment. Thereby, the quadcopter can decide whether to activate the replanning algorithm or to follow a computed one.Finally, the proposed methods are validated in simulations and experiments with the real quadcopter.

In den letzten Jahrzehnten spielen unbemannte Luftfahrzeuge in Forschung und Industrie in verschiedenen Bereichen eine immer wichtigere Rolle. Die vorliegende Arbeit befasst sich mit der Trajektorienplanung und Hindernisvermeidung eines Quadcopters in Innenumgebungen mit unbekannten Hindernissen. Der verwendete Quadcopter stellt einen Einplatinencomputer und einen Autopiloten bereit. Der Einplatinencomputer betreibt das Robot Operating System (ROS), welches die Vorgabe der Trajektorie des Quadcopters erlaubt und des Weiteren Messdaten des Quadcopters zur Verfügung stellt. Der Autopilot übernimmt die hardwarenahen Befehle und berechnet basierend auf der gegebenen Trajektorie und den Sensordaten die Ausgangsgrößen für die Motoransteuerung. Die Trajektorienplanung erfolgt auf Basis der differentiellen Flachheit der Dynamik des Quadcopters. Mit Hilfe des RRT* Algorithmus wird ein kollisionsfreier Pfad vom vorgegebenen Start- zum Zielpunkt im dreidimensionalen Raum ermittelt. Anschließend wird dieser Pfad geglättet und die Stellgrößen über ein quadratisches Programm ermittelt. Die Tiefenkamera wird verwendet, um neue unbekannte Objekte in der Umgebung zu erfassen. Dadurch wird entschieden, ob der Algorithmus zur Neuplanung aktiviert oder der berechneten Trajektorie weiterhin gefolgt wird. Abschließend wird eine Validierung der vorliegenden Methoden sowohl in Simulationen als auch in Experimenten mit dem realen Quadcopter durchgeführt.