3D collision avoidance system for autonomous UAVs in uncooperative indoor environments

Abstract

Unbemannte Luftfahrzeuge, im speziellen Multicopter, haben in den letzten Jahren in verschiedenen Anwendungsfeldern immer mehr an Relevanz gewonnen. Insbesondere bei Einsätzen in Innenräumen mit unbekannten Hindernissen wird zunehmend an Algorithmen für die Kollisionsvermeidung gearbeitet, da Drohnen bei einer Kollision meist zumindest vorübergehend flugunfähig werden. Im Fokus dieser Arbeit stehenzwei Methoden zur Kollisionsvermeidung für eine Drohne, die in unstrukturierten und unbekannten Innenbereichen zur Anwendung kommt. Die dafür entwickelte Quadrotor Plattform ist mit einem Autopilotsystem, diversen Sensoren und einem integrierten Boardcomputer ausgestattet um vollautonome Erkundungsflüge in unbekannten Innenbereichen durchzuführen und soll in Notfallsituationen zur Unterstützung von Ersthelfern eingesetzt werden. Hindernisse in der Umgebung werden mittels LiDARTime-of-Flight Sensoren erkannt und die Kollisionsvermeidungsalgorithmen generieren daraufhin neue 3D-Wegpunkte zur Ausweichung dieser Hindernisse. Die Berechnungen werden direkt auf einem Einplatinencomputer durchgeführt, der das Robot Operating System (ROS) verwendet um die neu berechneten Wegpunkte an das Autopilotsystem weiterzuleiten. Es wurden zwei unterschiedliche Algorithmen zur Kollisionsvermeidung in 3D implementiert und getestet: das Artificial Potential Field (APF) und der Dynamic Window Approach (DWA), beide erweitert durch den Bug2 Algorithmus, um Probleme mit lokalen Minima zu minimieren. Beide Algorithmen verhindern Kollisionen mit Objekten jeglicher Größe und Form in allen drei räumlichen Dimensionen. In der abschließenden Bewertung zeigt sich, dass die APF-Methode in Bezug auf Geschwindigkeit, Smoothnes, Rechenleistung und Zuverlässigkeit überlegen ist und daher gegenüber dem DWA Verfahren bevorzugt wird. Die Validierung erfolgte sowohl in Simulationen, Hardware-in-the-Loop Tests unter realen Bedingungen und durch Testflüge.

Unmanned Aerial Vehicles (UAV), specifically multicopters, have gained increasing relevance in various application areas in recent years. Since UAV collisions often lead tototal crashes and damage, there is an increasing focus on collision avoidance methods,particularly for indoor operations. This work focuses on di!erent approaches for collision avoidance for a custom-built drone operating in unstructured indoor environments.The developed quadcopter platform is equipped with an autopilot system, various sensors, and an integrated onboard computer and is designed to perform fully automated exploratory flights in unknown indoor areas. It is intended to be used in emergenciesto assist first responders. Obstacles in the environment are detected using LiDARTime-of-Flight sensors, and the collision avoidance algorithms then generate new 3Dwaypoints to circumvent these obstacles. The avoidance calculations are performedon a single-board computer that uses Linux and the Robot Operating System (ROS),passing the calculated positions to the autopilot system. Two di!erent 3D collisionavoidance algorithms are implemented and tested: the Artificial Potential Field (APF)and the Dynamic Window Approach (DWA), both extended by the Bug2 algorithmto overcome the problem of local minima. Both algorithms prevent collisions with objects of any size and shape in all three spatial dimensions. The final evaluation showsthat the APF approach is superior in calculation demand and performance and is preferred over the DWA method. The validation was carried out in simulation throughHardware-in-the-loop tests under real conditions and real-world experiments.