Сравнительное исследование навигационных систем для автономных беспилотных летательных аппаратов в помещении

Введение. Беспилотные летательные аппараты (БПЛА) являются активно развивающейся сферой в последние годы. Во всех областях применения БПЛА особое значение уделяется точности позиционирования. Спутниковая система навигации (GPS) является оптимальным методом позиционирования для наружной среды, однако для внутренней среды ослабление сигнала GPS становится серьезным препятствием при определении местоположения БПЛА. Проведено множество исследований, посвященных разработке различных технологий позиционирования в помещении, отвечающих критериям компактности и малой массы, подходящих для малогабаритных летательных аппаратов, включая оптический поток, инерциальную навигационную систему, ультразвук и т. д. В настоящее время имеется немного обзоров технологий позиционирования в помещениях для автономных БПЛА, основанных на поиске информации по соответствующим статьям и на сравнении датчиков. Недостатками этих обзоров является неполнота оценки по основным критериям и неконкретность рассмотрения принципов их работы. С этой целью в данной статье представлен обзор современных технологий позиционирования в помещении, их принципов работы и оценка по разным критериям: точности, рабочему диапазону, стоимости. Дается оценка перспективной технологии на основе машинного зрения.

Цель работы. Классификация современных технологий навигации в помещении для БПЛА, а также оценка рассматриваемых технологии по разных критериям.

Материалы и методы. Классификация методов внутреннего позиционирования БПЛА по типу сигнала, используемого для подключения, и способности обработки информации без внешних сигналов. Оценка методов по критериям: точность, рабочий диапазон, стоимость, а также по их преимуществам и недостаткам. Результаты. Представлена таблица классификации и оценки технологий навигации БПЛА в помещении, проведено обзорное представление этой области.

Заключение. Проведен обзор систем навигации БПЛА во внутренней среде. Рассмотрена технология на основе машинного зрения как перспективная и многообещающая в данной области.

1. Kanellakis C., Nikolakopoulos G. Survey on Computer Vision for UAVs: Current Developments and Trends // J. of Intell Robot Syst. 2017. Vol. 87. P. 141– 168. doi: 10.1007/s10846-017-0483-z

2. Chao H., Gu Y., Napolitano M. A survey of optical flow techniques for UAV navigation applications // Intern. Conf. on Unmanned Aircraft Systems (ICUAS), Atlanta, USA, 28–31 May 2013. IEEE, 2013. P. 710–716. doi: 10.1109/ICUAS.2013.6564752

3. A novel distributed architecture for UAV indoor navigation / L. Yuntian, M. Scanavino, E. Capello, F. Dabbene, G. Guglieri, A. Vilardi // Transportation Research Procedia. 2018. Vol. 35. P. 13–22. doi: 10.1016/j.trpro.2018.12.003

4. Review of UAV positioning in indoor environments and new proposal based on US measurements / M. C. Pérez, D. Gualda, J. Vicente-Ranera, J. M. Villadangos, J. Ureña // Intern. Conf. on Indoor Positioning and Indoor Navigation, Italy, 10 March 2019. CEUR: Ljubljana, Slovenia, 2019. P. 1–8.

5. Muhammad A. Comparative Study of Indoor Navigation Systems for Autonomous Flight // Telecommunication Computing Electronics and Control. 2018. Vol. 16, № 1. P. 118–128. doi: 10.12928/telkomnika.v16i1.6814

6. Roth S., Black M. J. On the spatial statistics of optical flow // Intern. J. of Computer Vision. 2007. Vol. 74, № 1. P. 33–50. doi: 10.1109/ICCV.2005.180

7. Black M. J., Anandan P. The robust estimation of multiple motions: Parametric and piecewise-smooth flow fields // Computer Vision and Image Understanding. 1996. Vol. 63, № 1. P. 75–104. doi: 10.1006/cviu.1996.0006

8. Lucas B. D., Kanade T. An iterative image registration technique with an application to stereo vision // Proc. of Imaging Understanding Workshop. 1981. P. 121–130.

9. Horn B., Schunck B. Determining optical flow // Artificial Intelligence. 1981. Vol. 17. P. 185–203. doi: 10.1016/0004-3702(81)90024-2

10. Srinivasan M. V. An image interpolation technique for the computation of optical flow and egomotion // Biological Cybernetics. 1994. Vol. 71. P. 401–415. doi: 10.1007/BF00198917

11. Kendoul F., Fantoni I., Nonami K. Optic flowbased vision system for autonomous 3d localization and control of small aerial vehicles // Robotics and Autonomous Systems. 2009. Vol. 57, № 6. P. 591–602. doi: 10.1016/j.robot.2009.02.001

12. Lowe D. G. Distinctive image features from scale-invariant key-points // Intern. J. of Computer Vision. 2004. Vol. 2, № 60. P. 91–110. doi: 10.1023/B%3AVISI.0000029664.99615.94

13. The Use of Optical Flow for UAV Motion Estimation in Indoor Environment / Z. Yu, W. Tingting, C. Zhihao, W. Yingxun, Y. Zhenxing // IEEE Chinese Guidance, Navigation and Control Conference, Nanjing, 12–14 Aug. 2016. IEEE, 2016. P. 785–790. doi: 10.1109/CGNCC.2016.7828885

14. Fausto F., Ju-Hyeon H. Visual Inertial Navigation for a Small UAV Using Sparse and Dense Optical Flow // Workshop on Research, Education and Development of Unmanned Aerial Systems (RED UAS), Cranfield, UK, 25–27 Nov. 2019. IEEE, 2019. P. 206–212. doi: 10.1109/REDUAS47371.2019.8999672

15. Micro unmanned aerial vehicle visual servoing for cooperative indoor exploration / P. Rudol, M. Wzorek, G. Conte, P. Doherty// Aerospace Conf., Sky, USA, 01–08 March 2008. IEEE, 2008. P. 1–10. doi: 10.1109/AERO.2008.4526558

16. 3D Indoor Positioning of UAVs with Spread Spectrum Ultrasound and Time-of-Flight Cameras / J. A. Paredes, F. J. Álvarez, T. Aguilera, J. M. Villadangos // Sensors. 2017. Vol. 18, № 1. P. 89. doi: 10.3390/s18010089

17. 3D Position Estimation of an UAV in Indoor Environments using an Ultrasonic Local Positioning System / D. Gualda, J. Ureña, M. C. Pérez, H. Posso, S. Bachiller, R. Nieto // 9th Intern. Conf. on Indoor Positioning and Indoor Navigation, Nantes, France, 24– 27 Sept. 2018. IFSTTAR, 2018. P. 212808.

18. Daly D., Melia T., Baldwin G. Concrete Embedded RFID for Way‐Point Positioning // Intern. Conf. on Indoor Positioning and Indoor Navigation (IPIN), Zurich, Switzerland, 15–17 Sept. 2010. IEEE, 2010. P. 1–10.

19. Tiemann J., Wietfeld C. Scalable and precise multi-UAV indoor navigation using TDOA-based UWB localization // Intern. Conf. on Indoor Positioning and Indoor Navigation (IPIN), Sapporo, Japan, 18–21 Sept. 2017. IEEE, 2017. P. 1–7. doi: 10.1109/IPIN.2017.8115937

20. Multi-modal mapping and localization of unmanned aerial robots based on ultra-wideband and RGB-D sensing / F. J. Perez-Grau, F. Caballero, L. Merino, A. Viguria // IEEE/RSJ Intern. Conf. on Intelligent Robots and Systems (IROS), Vancouver, Canada, 24–28 Sept. 2017. IEEE, 2017. P. 3495–3502. doi: 10.1109/IROS.2017.8206191

21. The interrogation footprint of RFID-UAV: electromagnetic modelling and experimentations / G. Casati, M. Longhi, D. Latini, F. Carbone, S. Amendola, F. Frate, G. Schiavon, G. Marrocco // IEEE J. of Radio Frequency Identification. 2017. Vol. 1, iss. 2. P. 155–162. doi: 10.1109/JRFID.2017.2765619

22. Alajami A., Moreno G., Pous R. Design of a UAV for Autonomous RFID-Based Dynamic Inventories Using Stigmergy for Mapless Indoor Environments // Drones. 2022. Vol. 6, iss. 8. P. 208. doi: 10.3390/drones6080208

23. Wi‐Fi Positioning: System Considerations and Device Calibration / T. Vaupel, J. Seitz, F. Kiefer, S. Haimerl, J. Thielecke // Intern. Conf. on Indoor Positioning and Indoor Navigation (IPIN), Zurich, Switzerland, 15–17 Sept. 2010. IEEE, 2010. P. 1–7. doi: 10.1109/IPIN.2010.5646207

24. Indoor Localization of Unmanned Aerial Vehicles Based on RSSI / B. R. Stojkoska, J. Palikrushev, K. Trivodaliev, S. Kalajdziski // 17th Intern. Conf. on Smart Technologies. IEEE EUROCON, Ohrid, Macedonia, 06–08 July 2017. IEEE, 2017. P. 120–125. doi: 10.1109/EUROCON.2017.8011089

25. A UAV Patrol System Based on Bluetooth Localization / M. Zhou, J. Lin, S. Liang, W. Du, L. Cheng // 2nd Asia-Pacific Conf. on Intelligent Robot Systems, Wuhan, China, 16–18 June 2017. IEEE, 2017. P. 205–209. doi: 10.1109/ACIRS.2017.7986094

26. Unmanned Quadcopter Control Using a Motion Capture System / L. L. Gomes, L. Leal, T. R. Oliveira, J. P. V. S. Cunha, T. C. Revoredo // IEEE Latin America Transactions. 2016. Vol. 14, iss. 8. P. 3606–3613. doi: 10.1109/TLA.2016.7786340

27. Vision-Controlled Micro Flying Robots / D. Scaramuzza, M. C. Achtelik, L. Doitsidis et al. // IEEE Robotics & Automation Magazine. 2014. Vol. 21, iss. 3. P. 26–40. doi: 10.1109/MRA.2014.2322295

28. Ghassemlooy Z., Popoola W., Rajbhandari S. Optical Wireless Communications: System and Channel Modelling with MATLAB®. 2nd Ed. Boca Raton, 2019. 540 p. doi: 10.1201/9781315151724

29. LIDAR-inertial integration for UAV localization and mapping in complex environments / R. Opromolla, G. Fasano, G. Rufino, M. Grassi, A. Savvaris // Intern. Conf. on Unmanned Aircraft Systems (ICUAS), Arlington, USA, 07–10 June 2016. IEEE, 2016. P. 649–656. doi: 10.1109/ICUAS.2016.7502580

30. Ole R., Lars G. LiDAR from drones employed for mapping archaeology – potential, benefits and challenges // Archaeological Prospection. 2018. Vol. 25, iss. 4. P. 329–338. doi: 10.1002/arp.1712

31. LIDAR/MEMS IMU integrated navigation (SLAM) method for a small UAV in indoor environments / R. Li, J. Liu, L. Zhang, Y. Hang // DGON Inertial Sensors and Systems (ISS), Karlsruhe, Germany, 16–17 Sept. 2014. IEEE, 2014. P. 1–15. doi: 10.1109/InertialSensors.2014.7049479

32. DronOS: Aflexible open-source prototyping framework for interactive drone routines / M. Hoppe, M. Burger, A. Schmidt, T. Kosch // Intern. Conf. on Mobile and Ubiquitous Multimedia (MUM), 26 Nov. 2019. P. 1–7. doi: 10.1145/3365610.3365642

33. Greiff M., Robertsson A., Berntorp K. Performance bounds in positioning with the vive lighthouse system // IEEE Intern. Conf. on Information Fusion (FUSION), Ottawa, Canada, 02–05 July 2019. IEEE, 2019. P. 1–8. doi: 10.23919/FUSION43075.2019.9011242

34. Niehorster D. C., Li L., Lappe M. The accuracy and precision of position and orientation tracking in the HTC vive virtual reality system for scientific research // i-Perception. 2017. Vol. 8, iss. 3. doi: 10.1177/2041669517708205

35. Ikbal M. S., Ramadoss V., Zoppi M. Dynamic pose tracking performance evaluation of HTC vive virtual reality system // IEEE Access. 2021. Vol. 9. P. 3798–3815. doi: 10.1109/ACCESS.2020.3047698

36. Lighthouse Positioning System: Dataset, Accuracy, and Precision for UAV Research / A. Taffanel, B. Rousselot, J. Danielsson, K. McGuire, K. Richardsson, M. Eliasson, T. Antonsson, W. Hönig. URL: https://arxiv.org/pdf/2104.11523 (дата обращения: 12.08.2024)

37. OptiTrack Motion Capture System. URL: https://www.sdu.dk/en/forskning/sduuascenter/aboutsduuascenter/sduuastestcenter/motioncapturelab (дата обращения: 10.04.2022)

38. OptiTrack for Robotics. URL: https://optitrack.com/applications/robotics/ (дата обращения: 20.01.2024).