Titelaufnahme

Titel
Autonome Flugdrohne : Evaluierung möglicher Systeme und praktische Implementierung einer Hinderniserkennung / von Christoph Löffler
VerfasserLöffler, Christoph
Begutachter / BegutachterinDietrich, Dietmar ; Pongratz, Martin
Erschienen2014
UmfangVIII, 88 S. : Ill., graph. Darst.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2014
Anmerkung
Zsfassung in engl. Sprache
SpracheDeutsch
DokumenttypDiplomarbeit
Schlagwörter (DE)Hexakopter / Hinderniserkennung / Autonomie
Schlagwörter (EN)Hexacopter / object detection / collision avoidance / autonomy
URNurn:nbn:at:at-ubtuw:1-66526 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Autonome Flugdrohne [5.75 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

In dieser Diplomarbeit soll ein System zur Hinderniserkennung zur Kollisionsvermeidung implementiert werden. Dies soll als Erweiterung für den bereits am Institut für Computertechnik entwickelten Hexacopter dienen. Zu diesem Zweck werden einige, dem derzeitigen Stand der Technik entsprechenden Hinderniserkennungssysteme, sowie deren Vor- und Nachteile evaluiert. Einige Systeme, welche in dieser Arbeit behandelt werden, sind z. B. Laserscanner, Ultraschall sowie auch Stereo- und Mono-Kamera-Systeme. Die Evaluierung umfasst die Hardwareaspekte und ihre möglichen Anwendungsbereiche, sowie die Verarbeitung der gewonnen Daten. Für die Implementierung des Systems wurde ein Mono-Kamera-System in Kombination mit dem Optischen Fluss Algorithmus ausgewählt. Zu Beginn der Arbeit wurde versucht, die Umsetzung auf der bereits vorhandenen Hardware, einem Gumstix Overo Fire, in Verbindung mit einem CASPA Kamera Modul umzusetzen. Während der Umsetzung hat sich jedoch herausgestellt, dass der Gumstix Overo Fire die hohen Ansprüche des Algorithmus an die Hardware nicht erfüllen konnte. Durch diesen Umstand ist es notwendig geworden, eine leistungsstärkere Hardware zu finden, welche die gestellten Anforderungen erfüllen kann. Es stellte sich heraus, dass sich ein aktuelles Smartphone, welches über einen Qualcomm Chipsatz verfügt, sehr gut dafür eignet. OpenCV, sowie die optimierte Qualcomm Vision Library FastCV, wurden ebenfalls verwendet. Der Vorteil dadurch ist, dass man durch die Verwendung von OpenCV eine große Auswahl an Algorithmen hat. Weiters ermöglicht FastCV eine höhere Ausführungsgeschwindigkeit bei rechenintensiven Algorithmen, da diese speziell für den Qualcomm Chip optimiert wurde. Die Implementierung der Hinderniserkennung wurde sowohl mit synthetischen Szenen, als auch mit realen Szenen durchgeführt. Die Ergebnisse des implementierten Systems zeigten jedoch, dass die erhaltenen Ergebnisse nicht genau genug sind, um das System für eine zuverlässige Hinderniserkennung einzusetzen. Ein Grund dafür ist, dass der Multikopter wackelt und dadurch die Berechnung des Focus of Expansion Fehler aufweist, wodurch die Position des Focus of Expansion instabil ist. Dies hat einen großen Einfluss auf die Genauigkeit und auf das Endergebnis der Hinderniserkennung. Wird eine robustere Implementation des Systems realisiert, kann dies, gerade für Bodenfahrzeuge, zu guten Ergebnissen führen.

Zusammenfassung (Englisch)

This thesis deals about the implementation of an object detection system with the purpose to avoid collisions. The system is planed to be used by the already existing Hexacopter system of the Institute of Computer Technology at the Vienna University of Technology. Therefore some state of the art object detection systems and their assets and drawbacks are evaluated. These systems are laser scanner, ultrasonic and vision based systems like stereo and mono camera systems. The evaluation covers hardware aspects of the systems and possible usage and processing of the gathered data is also discussed. For the implementation of the object detection system a mono vision system in combination with optical flow estimation is chosen. The first approach was to handle the task with a Gumstix Overo Fire and a CASPA Camera Module. Unfortunately the Gumstix Overo Fire couldn't meet the computational high demands of the optical flow estimation. For this reason some other embedded systems had to be evaluated. The final choice was to use an up to date Smartphone with a Qualcomm Chipset and the optimized Qualcomm Vision library FastCV. OpenCV was used as well which can run concurrently with FastCV. This has the advantage of using numerous algorithms from OpenCV in combination with the optimized ones from FastCV. The implementation of the object detection system was evaluated with synthetic video sequences as well as in a real world environment. The evaluation of the implemented system indicates that the obtained measurements are not reliable enough to use the system for collision avoidance. One reason is the (unfirm) movement of a multicopter and therefore a unstable focus of expansion location which has a huge impact on the final result of the collision avoidance. If a more robust implementation of the system is realized this could lead to good results, especially for ground vehicles.