Web Based Control of Multiple UAVs Using Self-Healing Network Architecture in GPS denied Environment

Öz

Unmanned aerial vehicles (UAVs) become very popular in the last years with the help of increasing computing power per area and per cost. While UAVs with a global positioning system (GPS) can easily operate to fly autonomously, this and such sensors' data cannot always be trusted. And most of the cases for small scale UAVs, we cannot use these kinds of sensors because of cost, complexity, and weight. Safely and reliably operating close to unknown indoor or GPS-denied environments requires improving UAVs' sensing, localization, and control algorithms. To solve and to improve for a UAV is one problem; extending it to multiple UAVs is another problem. We study and develop a framework for multiple UAVs to command and control from web-based front-end. In our experiments, a quadcopter platform called AR Drone from Parrot Inc. used because of its open-source API and kernel-level arrangements. Test flights inside a warehouse validate the framework is capable of control one or more quadcopters in a given lattice-based path from a web browser. UAVs are capable of localizing its position by using IMU, front, and bottom cameras. All UAVs interconnected to each other and controller computer through a self-healing network, so if one or more quadcopter fails because of lack of battery or any other circumstances, the rest of the group continues its mission. Experiments are also expanded to outdoor to demonstrate rooftop trips for vehicles in convoy and also reconnaissance missions, especially for Mine-Resistant Ambush Protected (MRAP) vehicles.

Anahtar Kelimeler

• unmanned aerial vehicle,quadrotor,multi agent systems,self healing network,swarm flight

GPS'siz Ortamlarda Kendini Onaran Ağ Mimarisi Kullanan Sürü Uçuşunun Web Tabanlı Kontrolü

Öz

İnsansız hava araçları (İHA) gelişen işlem gücünün hem alan hem de maliyet bazında artış göstermesi ile olukça yayınlaşmıştır. Küresel konumlandırma sistemi (GPS) kullanan İHA'ların otonom uçuşları, kullanmayanlara göre çok daha uygulanabilirdir. Ancak GPS ve benzeri algılayıcılardan alınan veriler her zaman güvenilir değildir. Ayrıca küçük ölçekli İHA'larda bu tarz algılayıcılar artan maliyet, karmaşıklık ve ağırlık seviyelerinden dolayı kullanılması uygun olmamaktadır. Özellikle daha önceden bilgi edinilmemiş iç mekanlarda veya GPS ve benzeri algılayıcıların çevre koşullarından dolayı kullanılamadığı alanlarda güvenli ve güvenilir bir şekilde çalışabilmek için İHA'ların algılama, konumlandırma ve kontrol algoritmalarını geliştirmek gerekmektedir. Tek bir İHA için adreslenmiş bu sorunları çözmek bir problem iken, bunu birden çok İHA ile birlikte yapabilmek ayrı başlıca bir problemdir. Bu çalışmada, web tabanlı bir kullanıcı arayüzü üzerinden birden çok İHA'yı kumanda ve kontrol edebilme yeteneğine sahip yazılım çerçevesi geliştirilmiştir. Test ve deneylerimiz esnasında, açık kaynaklı uygulama programlama arayüzü (API) ve gömülü yazılımına çekirdek seviyesinde müdahale imkanı olan Parrot firmasına ait ARDrone isimli dört rotorlu döner kanatlı uçan platformlar kullanılmıştır. Fabrika depo bölgesinde, web tarayıcısı üzerinden verilen ızgara (lattice, grid) tabanlı yol planı ile icra edilen test uçuşları; geliştirilen yazılım çerçevesinin bir ve daha fazla dört rotorlu hava araçlarına başarılı görevler yaptırdığı da doğrulamıştır. Testlerde kullanılan İHA'ların kendi konumlarını çalışma bölgelerinde bulabilmesi için üzerlerinde bütünleşik olarak yer alan ataletsel ölçüm birimi (IMU), ön ve alt kamera kullanılmıştır. Uçuş görevindeki tüm İHA'lar birbirlerine, ana ağ geçidi olan İHA batarya veya farklı bir sorun ile ulaşılamaz olması durumunda bile iletişimlerine ve görevlerine devam edebilecekleri, kendini onaran ağ mimarisi ile bağlıdırlar. Konvoydaki araçlar ve özellikle de mayına dayanıklı pusu korumalı (MRAP) araç üzerlerinden gezi ve keşif amaçlı görevleri göstermek için deneyler dış mekanlara da genişletilmiştir.

Anahtar Kelimeler

• insansız hava aracı,döner kanatlı,kendini onaran ağ,çok ajanlı sistemler,sürü uçuşu

Kaynakça

1. Bachrach A. G. 2009. Autonomous flight in unstructured and unknown indoor environments. Massachusetts Institute of Technology, Department of Electrical Engineering and Computer Science, M.Sc. Thesis, 126pg, Massachusetts
2. Bouabdallah S. 2007. Design and control of quadrotors with application to autonomous flying. Ecole Polytech Federale de Lausanne, Ph.D. Thesis, 155pg, Lausanne DOI: 10.5075/epfl-thesis-3727
3. Bry A., Bachrach A., and Roy N. 2012. State estimation for aggressive flight in gps-denied environments using onboard sensing. Robotics and Automation (ICRA), 2012 IEEE International Conference on. IEEE, pp. 1–8 DOI: 10.1109/ICRA.2012.6225295
4. Bills C., Chen J., and Saxena A. 2011. Autonomous mav flight in indoor environments using single image perspective cues. Robotics and automation (ICRA), 2011 IEEE international conference on. IEEE, pp. 5776–5783 DOI: 10.1109/ICRA.2011.5980136
5. Roberts J. F., Stirling T., Zufferey J.-C., and Floreano D. 2007. Quadrotor using minimal sensing for autonomous indoor flight. European Micro Air Vehicle Conference and Flight Competition (EMAV2007), no. LIS-CONF-2007-006
6. Valenti M., Bethke B., Fiore G., and How J. 2006. Indoor multi-vehicle flight testbed for fault detection, isolation, and recovery. in Proc. AIAA Guidance, Navigation and Control Conf. and Exhibit, Keystone, CO, Aug., pp. 2006–6200 DOI: 10.2514/6.2006-6200
7. Venugopalan, T. K., Taher, T., & Barbastathis, G. 2012. Autonomous landing of an Unmanned Aerial Vehicle on an autonomous marine vehicle. In Oceans, 2012 (pp. 1-9). IEEE. DOI: 10.1109/OCEANS.2012.6404893
8. Richards A., Bellingham J., Tillerson M., and How J. 2002. Co-ordination and control of multiple UAVs. Proc. AIAA Guidance, Navigation and Control Conf. and Exhibit, Monterey, CA, Aug., pp. 2002–4588 DOI: 10.2514/6.2002-4588

9. Vago Santana, L., Brandao, A. S., Sarcinelli-Filho, M., & Carelli, R. 2014. A trajectory tracking and 3d positioning controller for the ar. drone quadrotor. In Unmanned Aircraft Systems (ICUAS), 2014 International Conference on (pp. 756-767). IEEE. DOI: 10.1109/ICUAS.2014.6842321
10. Hoffmann G., Waslander S., and Tomlin C. 2008. Quadrotor helicopter trajectory tracking control. Proc. AIAA Guidance, Navigation and Control Conf. and Exhibit, Honolulu, HI, Apr., pp. 2008–7410 DOI: 10.2514/6.2008-7410
11. Watkinson J. 2004. Art of the Helicopter, Butterworth-Heinemann, 416pg
12. Krajnık T., Vonasek V., Fiser D., and Faigl J. 2011. AR-drone as a platform for robotic research and education. In Proc. of the Communications in Computer and Information Science (CCIS) DOI: 10.1007/978-3-642-21975-7_16
13. Krattenthaler C. 2015. Lattice Path Enumeration. Handbook of Enumerative Combinatorics, M. Bona (ed.), Discrete Math. and Its Appl., CRC Press, Boca Raton-London-New York, pp. 589-678
14. Wallner M. (2016) Lattice Path Combinatorics. Ph.D. dissertation, Technischen Universitat Wien
15. Diggelen, F. and Enge, P. 2015. The World’s first GPS MOOC and Worldwide Laboratory using Smartphones. Proceedings of the 28th International Technical Meeting of The Satellite Division of the Institute of Navigation (ION GNSS+ 2015), pp 361 – 369