Nano-Drohnen: Fortschritte in der Schwarmvermessungstechnologie
Ein Blick darauf, wie kleine Drohnen zusammenarbeiten, um effektiv Karten zu erstellen.
― 7 min Lesedauer
Inhaltsverzeichnis
Unbemannten Fluggeräten (UAVs), besser bekannt als Drohnen, werden immer beliebter für verschiedene Aufgaben. Sie werden für Überwachung, Warenlieferung, die Suche nach vermissten Personen und sogar zur Zusammenarbeit mit anderen Maschinen oder Menschen in Fabriken eingesetzt. Drohnen können grosse Flächen abdecken und schnell reagieren, was sie in vielen Situationen nützlich macht.
Ein neuer Forschungsbereich konzentriert sich auf Schwärme von kleinen Drohnen, die als Nano-Drohnen bekannt sind. Diese winzigen fliegenden Maschinen sind meist leicht und wiegen weniger als 50 Gramm. Wegen ihrer kleinen Grösse können sie sicher in der Nähe von Menschen arbeiten und in enge Räume passen. Ausserdem sind sie günstig zu bauen, was es einfacher macht, Gruppen von ihnen zu erstellen, um Aufgaben gemeinsam zu erledigen.
Allerdings bringt die Verwendung vieler Drohnen, die zusammenarbeiten, Herausforderungen mit sich. Dazu gehört herauszufinden, wo sich jede Drohne im Raum befindet, wie man Karten von den Gebieten erstellt, die sie erkunden, und wie man effektiv als Team kommuniziert. Dieser Artikel spricht über ein System, das entwickelt wurde, um kleinen Drohnenschwärmen zu helfen, Karten ihrer Umgebung zu erstellen, während sie effektiv zusammenarbeiten.
Die Herausforderungen verstehen
Wenn mehrere Drohnen zusammenarbeiten, müssen sie wissen, wo sie sind und wie ihre Umgebung aussieht. Sie verlassen sich auf Sensoren, um Daten über ihre Umgebung zu sammeln, wie zum Beispiel den Abstand zu Wänden oder Hindernissen. Genaues Kartieren hilft den Drohnen, Zusammenstösse zu vermeiden und ihre Wege zu planen. Doch das mit sehr kleinen Drohnen zu machen, ist schwierig, da sie nur begrenzt Platz haben, um Sensoren zu tragen und Software auszuführen.
Um diese Probleme anzugehen, wurde ein neuer Kartierungssystem entwickelt. Jede Nano-Drohne hat leichte Tiefensensoren, die in verschiedene Richtungen sehen können. Diese Sensoren liefern Informationen über Hindernisse um eine Drohne herum, sodass sie eine Karte ihrer Umgebung erstellen kann, ohne Hilfe von aussen benötig.
Das Kartierungssystem kombiniert Informationen aus allen Drohnen im Schwarm. Das bedeutet, dass, wenn Drohnen teilen, was sie sehen, sie ein besseres Gesamtbild des Gebiets erstellen können, das sie erkunden. Wichtig ist, dass jede Drohne die ganze Verarbeitung selbst erledigt, ohne schwere Daten zu einem zentralen Computer senden zu müssen. Diese Funktion ist entscheidend, weil sie den Drohnen ermöglicht, autonomer zu arbeiten, da sie nicht von Funksignalen abhängen, die ausfallen oder unterbrochen werden können.
So funktioniert das System
Die Hauptkomponenten dieses Systems sind:
- Nano-Drohnen: Kleine Drohnen, die Sensoren tragen und zusammen fliegen können.
- Tiefensensoren: Diese Sensoren messen Distanzen zu nahen Objekten.
- Kartierungsalgorithmen: Software, die hilft, die von den Drohnen gesammelten Informationen zu verarbeiten, um Karten zu erstellen.
Die Nano-Drohnen
Die in diesem System verwendeten Drohnen basieren auf einem Modell, das als Crazyflie bekannt ist. Dieses Modell ist in der Forschung beliebt, weil es ein offenes Design hat, das es Forschern ermöglicht, zusätzliche Komponenten einfach hinzuzufügen. Jede Drohne hat eine Inertial Measurement Unit (IMU), um ihre Bewegungen zu verstehen, und einen leistungsstarken, stromsparenden Prozessor zur Datenverarbeitung.
Mit dem neuen Kartierungssystem trägt jede Nano-Drohne mehrere Tiefensensoren. Diese Sensoren sind so gestaltet, dass sie einen besseren Überblick über ihre Umgebung geben. Indem vier Sensoren auf jeder Drohne platziert werden, können sie in alle Richtungen sehen und mehr Daten schnell sammeln, während sie sich bewegen.
Die Tiefensensoren
Die in diesem System verwendeten Tiefensensoren werden als Time-of-Flight (ToF) Sensoren bezeichnet. Im Gegensatz zu herkömmlichen Sensoren, die Schwierigkeiten haben könnten, in belebten oder komplexen Umgebungen genau zu sehen, können ToF-Sensoren klare Bilder von Hindernissen um sie herum liefern. Die Sensoren funktionieren, indem sie Lichtpulse aussenden und messen, wie lange es dauert, bis das Licht zurückkommt. Je mehr Sensoren eine Drohne hat, desto besser kann sie ihre Umgebung verstehen.
Jeder Sensor liefert Tiefeninformationen mit niedriger Auflösung, was bedeutet, dass er einfache Formen und Entfernungen sehen kann, aber möglicherweise nicht gut in hochdetaillierten oder überfüllten Bereichen funktioniert. Trotzdem kann eine Drohne durch die Kombination von Daten vieler Sensoren nützliche Karten erstellen.
Die Kartierungsalgorithmen
Jede Nano-Drohne führt Software aus, die die Daten ihrer Sensoren verarbeitet. Die primären Algorithmen, die verwendet werden, heissen Simultaneous Localization and Mapping (SLAM) und Iterative Closest Point (ICP). So funktionieren sie:
SLAM: Dieser Algorithmus hilft der Drohne herauszufinden, wo sie sich befindet, während sie eine Karte erstellt. Das macht sie, indem sie vergleicht, was die Drohne sieht, mit Informationen, die sie bereits gesammelt hat.
ICP: Dieser Algorithmus konzentriert sich darauf, verschiedene Beobachtungen auszurichten, um die Gesamtgenauigkeit der Kartierung zu verbessern. Er überprüft, wie zwei Scans übereinstimmen können, indem er sie dreht und verschiebt, bis sie perfekt übereinstimmen.
Indem diese Algorithmen an Bord ausgeführt werden, kann jede Drohne ihre Position korrigieren und eine genaue Karte erstellen, ohne auf einen zentralen Computer angewiesen zu sein. Dieses Setup ermöglicht es den Drohnen, zusammenzuarbeiten und ihre Ergebnisse in Echtzeit zu teilen.
Die Vorteile der Verwendung von Schwärmen von Nano-Drohnen
Es gibt viele Vorteile, mehrere kleine Drohnen anstelle von einer grossen zu verwenden:
- Redundanz: Wenn eine Drohne ausfällt, können die anderen die Aufgabe fortsetzen.
- Geschwindigkeit: Mehr Drohnen können schneller eine grössere Fläche abdecken.
- Flexibilität: Drohnen können unterschiedliche Wege nehmen und verschiedene Daten sammeln.
Die Verwendung eines Schwarms ermöglicht eine bessere Abdeckung grosser oder komplexer Bereiche. Jede Drohne in der Gruppe kann verschiedene Wege erkunden und wertvolle Informationen zurück an die Gruppe teilen. So können sie gemeinsam eine umfassende Karte ihrer Umgebung erstellen.
Ergebnisse aus Feldtests
Feldtests wurden durchgeführt, um zu überprüfen, wie gut das Drohnensystem in realen Situationen funktioniert. Die Drohnen wurden in Umgebungen wie Labyrinthen aus Spanplatten eingesetzt, um zu sehen, wie effektiv sie diese Bereiche kartieren konnten.
Genauigkeit der Kartierung
Die Ergebnisse zeigten, dass die Schwärme von Drohnen sehr genaue Karten erstellen konnten. In Situationen mit nur zwei Drohnen verbesserte sich die Kartierungsgenauigkeit erheblich, als SLAM und ICP zusammen verwendet wurden. Die Kartierungsfehler wurden mehr als halbiert, was bedeutete, dass die Karten viel zuverlässiger wurden.
Geschwindigkeit der Kartierung
Neben der Genauigkeit wurde auch die Zeit betrachtet, die benötigt wurde, um Karten mit mehr Drohnen zu erstellen. Mit zwei Drohnen dauerte es länger, die Kartierungsaufgabe zu erledigen, verglichen mit dem, wenn vier Drohnen zusammenarbeiteten. Die Kartierungszeit wurde erheblich reduziert, was beweist, dass die Verwendung von mehr Drohnen zu besserer Effizienz führte.
Überwindung von Einschränkungen
Obwohl das System grosses Potenzial zeigt, gibt es immer noch einige Einschränkungen:
Grösse und Reichweite: Die Sensoren haben eine begrenzte Auflösung und Reichweite. Sie funktionieren am besten, wenn sie sehr nah an den Wänden sind. Die Verwendung anderer Sensortechnologien, wie LiDAR, könnte diesen Aspekt verbessern, aber sie sind schwerer und verbrauchen mehr Energie.
Speicherbeschränkungen: Jede Drohne hat einen begrenzten Speicher, was die Menge der Daten einschränkt, die sie gleichzeitig verarbeiten kann. Das begrenzt die maximale Fläche, die sie gleichzeitig kartieren können.
Kalibrierungsbedarf: Das System kann Fehler aufgrund von Sensorungenauigkeiten aufweisen. Regelmässige Kalibrierung könnte helfen, diese Probleme zu beheben.
Zukünftige Richtungen
Trotz der Einschränkungen eröffnen die Fortschritte, die dieses System zeigt, neue Anwendungsmöglichkeiten für Nano-Drohnen:
Verbesserte autonome Operationen: Mit besseren Technologien könnten Drohnen unabhängiger agieren, was sie für verschiedene Aufgaben wie Such- und Rettungsmissionen oder die Erkundung von Katastrophengebieten geeignet macht.
Fortgeschrittene Algorithmen: Forscher können weiterhin die Algorithmen verfeinern, um die Kartierungsgenauigkeit und -geschwindigkeit weiter zu verbessern.
Grössere Schwarmfähigkeiten: Die Verwendung unterschiedlicher drahtloser Technologien könnte es noch mehr Drohnen ermöglichen, effektiv zusammenzuarbeiten.
Breitere Anwendungen: Neben der Kartierung könnten diese Drohnenschwärme in Bereichen wie Landwirtschaft, Umweltüberwachung und Logistik eingesetzt werden.
Fazit
Die Entwicklung eines Kartierungssystems für Schwärme von Nano-Drohnen ist ein bedeutender Fortschritt. Es kombiniert leichte Sensoren mit effizienten Algorithmen, um genau Karten autonom zu erstellen. Die Ergebnisse zeigen, dass kleine Drohnen zusammenarbeiten können, um Gebiete schnell und effektiv zu erkunden und zu kartieren.
Während die Forscher weiterhin das System optimieren, wird das Potenzial für die Verwendung von Schwärmen von Nano-Drohnen wachsen. Schliesslich könnten diese winzigen Maschinen verändern, wie Menschen mit Technologie interagieren, in Notfällen helfen und die Effizienz verschiedener Branchen verbessern.
Titel: Fully Onboard SLAM for Distributed Mapping with a Swarm of Nano-Drones
Zusammenfassung: The use of Unmanned Aerial Vehicles (UAVs) is rapidly increasing in applications ranging from surveillance and first-aid missions to industrial automation involving cooperation with other machines or humans. To maximize area coverage and reduce mission latency, swarms of collaborating drones have become a significant research direction. However, this approach requires open challenges in positioning, mapping, and communications to be addressed. This work describes a distributed mapping system based on a swarm of nano-UAVs, characterized by a limited payload of 35 g and tightly constrained on-board sensing and computing capabilities. Each nano-UAV is equipped with four 64-pixel depth sensors that measure the relative distance to obstacles in four directions. The proposed system merges the information from the swarm and generates a coherent grid map without relying on any external infrastructure. The data fusion is performed using the iterative closest point algorithm and a graph-based simultaneous localization and mapping algorithm, running entirely on-board the UAV's low-power ARM Cortex-M microcontroller with just 192 kB of SRAM memory. Field results gathered in three different mazes from a swarm of up to 4 nano-UAVs prove a mapping accuracy of 12 cm and demonstrate that the mapping time is inversely proportional to the number of agents. The proposed framework scales linearly in terms of communication bandwidth and on-board computational complexity, supporting communication between up to 20 nano-UAVs and mapping of areas up to 180 m2 with the chosen configuration requiring only 50 kB of memory.
Autoren: Carl Friess, Vlad Niculescu, Tommaso Polonelli, Michele Magno, Luca Benini
Letzte Aktualisierung: 2023-09-07 00:00:00
Sprache: English
Quell-URL: https://arxiv.org/abs/2309.03678
Quell-PDF: https://arxiv.org/pdf/2309.03678
Lizenz: https://creativecommons.org/licenses/by-nc-sa/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.