Método de navegación basado en aprendizaje y repetición autónoma para vehículos aéreos no tripulados

• Autores: Nitsche, Matías Alejandro
• Año de publicación: 2016
• Idioma: inglés
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Mejail, Marta Estela; Kulich, Miroslav
• Materia: ROBOTICA; NAVEGACION; VANT; AUTONOMIA; VISION; ROBOTICS; NAVIGATION; UAV; AUTONOMY; VISION
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

En esta tesis se presenta un método basado en la técnica de Aprendizaje y Repetición (teach & repeat o TnR)para la navegación autónoma de Vehículos Aéreos No Tripulados (VANTs). Bajo esta técnica se distinguendos fases: una de aprendizaje (teach) y otra de navegación autónoma (repeat). Durante la etapa de aprendizaje,el VANT es guiado manualmente a través del entorno, definiendo así un camino a repetir. Luego, el VANT puede ser ubicado en cualquier punto del camino (generalmente, al comienzo del mismo) e iniciar laetapa de navegación autónoma. En esta segunda fase el sistema opera a lazo cerrado controlando el VANTcon el objetivo de repetir en forma precisa y robusta el camino previamente aprendido. Como principalsensado se utiliza un sistema de visión monocular, en conjunción con sensores que permitan estimar a cortoplazo el desplazamiento del robot respecto del entorno, tales como sensores inerciales y de flujo óptico. El principal objetivo de este trabajo es el de proponer un método de navegación tipo T&R que puedaser ejecutado en tiempo real y a bordo del mismo vehículo, sin depender de una estación terrena a la cualse delegue parte del procesamiento o de un sistema de localización externa (como por ejemplo GPS, enambientes exteriores) o de captura de movimiento (como por ejemplo ViCon, en ambientes interiores). Enotras palabras, se busca un sistema completamente autónomo. Para ello, se propone el uso de un enfoquebasado en apariencias (o appearance-based, del inglés), que permite resolver el problema de la localizacióndel vehículo respecto del mapa en forma cualitativa y que es computacionalmente eficiente, lo que permitesu ejecución en hardware disponible a bordo del vehículo. La solución propuesta se diferencia del típico esquema de Localización y Mapeo Simultáneo (Simultaneous Localization and Mapping o SLAM) mediante el cual se estima la pose del robot (y la de los objetos delentorno) en forma absoluta con respecto a un sistema de coordenadas global. Bajo dicho esquema, comoconsecuencia, el error en la estimación de la pose se acumula en forma no acotada, limitando su utilizaciónen el contexto de una navegación a largo plazo, a menos que se realicen correcciones globales en forma periódica (detección y cierre de ciclos). Esto impone el uso de técnicas computacionalmente costosas, lo cual dificulta su ejecución en tiempo real sobre hardware que pueda ser llevado a bordo de un robot aéreo. En contraste, bajo el enfoque propuesto en esta tesis, la localización se resuelve en forma relativa a un sistema de coordenadas local cercano al vehículo (es decir, una referencia sobre el camino) que es determinado mediante un esquema de filtro de partículas (Localización de Monte Carlo). Esto se logra comparandola apariencia del entorno entre la etapa de aprendizaje y la de navegación, mediante el empleo de característicasvisuales salientes (image features) detectadas en dichas etapas. Finalmente, utilizando una ley de control simple, se logra guiar al robot sobre el camino, a partir de reducir la diferencia entre la posición aparentede los objetos del entorno entre ambas etapas, producto del desplazamiento y diferencias de orientacion delrobot respecto del mismo. Como parte del desarrollo del trabajo de tesis, se presenta tanto la formulación y descripción del método como el diseño y construcción de una plataforma VANT, sobre la cual se realizaron los experimentos denavegación. Asimismo, se exhiben experimentos tanto con plataformas aéreas en entornos simulados como sobre plataformas terrestres, dado que el método es aplicable también a los mismos. Con los resultados obtenidos se demuestra la factibilidad y precisión de los métodos de localización y navegación propuestos, ejecutando en hardware a bordo de un robot aéreo en tiempo-real. Así, con esta tesis se presenta un aporte al estado del arte en lo que refiere a temas de navegación autónoma basada en visión, particularmente (pero no exclusivamente) para el caso de robots aéreos.
This thesis presents a method based on the Teach & Repeat (TnR) technique for the autonomous navigationof Unmanned Aerial Vehicles (UAVs). With this technique, two phases can be distinguished: alearning phase (teach) and an autonomous navigation (repeat) phase. During the learning stage, the UAVis manually guided through the environment, thus defining a path to repeat. Then, the UAV can be positionedin any point of the path (usually at the beginning of it) and the autonomous navigation phase can bestarted. In this second phase the system operates in closed-loop controlling the UAV in order to accuratelyand robustly repeat the previously learned path. Monocular vision is used as the main sensing system inconjunction with other sensors used to obtained short-term estimates of the movement of the robot withrespect to the environment, such as inertial and optical flow sensors. The main goal of this work is to propose a T&R navigation method that can be run in real-time andon-board the same vehicle, without relying on a ground control-station to which part of the processingis delegated or on external localization (for example GPS, in outdoor environments) or motion capture (such as VICON, for indoor settings) systems. In other words, a completely autonomous system is sought. To this end, an appearance-based approach is employed, which allows to solve the localization problemwith respect to the map qualitatively and computationally efficient, which in turns allows its execution onhardware available on-board the vehicle. The proposed solution scheme differs from the typical Simultaneous Localization and Mapping (SLAM)approach under which the pose of the robot (and the objects in the environment) are estimated in absoluteterms with respect to a global coordinate system. Under SLAM, therefore, the error in the pose estimationaccumulates in unbounded form, limiting its use in the context of long-term navigation unless globalcorrections are made periodically (loop detection and closure). This imposes the use of computationallyexpensive techniques, which hinders its execution in real time on hardware that can be carried on-board anaerial robot. In contrast, under the approach proposed in this thesis, the localization is solved relative to a local coordinatesystem near the vehicle (i.e. a reference over the path) which is determined by a particle-filter scheme (Monte Carlo Localization or MCL). This is accomplished by comparing the appearance of the environmentbetween the learning and navigation stages through the use of salient visual features detected in said steps. Finally, using a simple control law, the robot is effectively guided over the path, by means of reducing thedifference in the apparent position of objects in the environment between the two stages, caused by thevehicle’s displacement with respect to the path. As part of the development of the thesis, both the formulation and description of the method, and the designand construction of a UAV platform, on which navigation experiments were conducted, are presented. Moreover, experiments using aerial platforms in simulated environments and using terrestrial platforms arealso presented, given that the proposed method is also applicable to the latter. With the obtained results thefeasibility and precision of the proposed localization and navigation methods are demonstrated, while executingon-board an aerial robot and in real-time. Thus, this thesis represents a contribution to the state of theart when it comes to the problem of vision-based autonomous navigation, particularly (but not exclusively)for the case of aerial robots.
Fil: Nitsche, Matías Alejandro. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.