Autonomous navigation of a rotary wing flying vehicles for precision agriculture
Navigation autonome des engins volants à voilures tournantes pour l'agriculture de précision
Résumé
While Precision Agriculture (PA) applications are already well-established for quadrotors, achieving autonomous navigation especially in intricate, unstructured, and fickle agricultural fields still remains an ongoing challenge for such vehicles. Autonomous aerial navigation strategies should not be limited to ensuring that the target is reached without colliding with the obstacles. It should also aim to identify the optimal (or sub-optimal) path and trajectory for the quadrotor to travel from its starting location to the destination, taking into consideration any practical constraints that may apply. In general, the autonomous aerial navigation cannot be solved directly. However, it can be divided into multi-phase sub-problems: path planning, trajectory generation and optimization,trajectory re-planning and trajectory control and tracking. As its core, this thesis proposes a complete and efficient solution of the autonomous navigation problem for a quadrotor to accomplish safe and stable flight missions for remote sensing purposes in agricultural fields. The solution is multi-phase and based on a combination of algorithms used for the first time in a PA scenario. Some of these algorithms were accurately among those currently available in the literature aiming to identify the best combination of autonomous navigation algorithms. In the first phase, an offline definition of optimal trajectory was used. This phase was typically performed in two consecutive stages. The first stage made use of environment representations, mainly artificial Occupancy Grid Maps (OGMs) and Digital Elevation Maps (DEM), to generate optimal geometric paths and locate reference position way-points. Constraints containing the extracted position way-points and velocity/acceleration at these way-points were formed. In the second stage, a Linear Quadratic Regulator (LQR) algorithm was adopted to generate optimal minimum snap trajectories. The LQR trajectory generator treats the constraints at the way-pointsto be soft. This would guarantee both the relaxation on fulfilling the way-points constraints and a generation of stable position trajectories. In the trajectory re-planning phase, an Improved Artificial Potential Field (APF) algorithm was used to locally re-plan the quadrotor trajectory in real-time. The Improved APF uses artificial forces to move the vehicle away from any unexpected obstacle. In the final phase, a geometric controller was designed to track the generated trajectories while pointing towards a specified pointing direction. The controller in this case was required to use the noisy vector measurements provided by the Inertial Measurement Unit (IMU) to construct thequadrotor's attitude in real-time along the generated position trajectory. The geometric controller was implemented on the Special Euclidean SE(3) group aiming to avoid singularities associated with Euler angles or ambiguities accompanying quaternion representation. The performance of the proposed autonomous navigation strategy was demonstrated using illustrative computer simulations in different scenarios and the results have confirmed the effectiveness of the proposed strategy. In particular, safe geometric guiding paths were achieved. Optimal position trajectories that satisfy theway-points constraints were successfully generated with minimized quadrotor's snap.
Alors que les applications d'agriculture de préecision (AP) sont déjà bien établies pour les quadrirotors, la navigation autonome, en particulier dans les champs agricoles complexes, non structurés et capricieux, reste un défi permanent pour ces véhicules. Les stratégies de navigation aérienne autonome ne doivent pas se limiter à garantir que la cible est atteinte sans entrer en collision avec les obstacles. Elles doivent également viser à identifier le chemin et la trajectoire optimaux (ou sous-optimaux) que le quadrirotor doit utiliser pour déplacer de son point de départ à sa destination, en tenant compte de toutes les contraintes pratiques qui peuvent s'appliquer. En général, la navigation aérienne autonome ne peut pas être résolue directement. Cependant, elle peut être divisée en plusieurs sous-problèmes : planification de la trajectoire, génération et optimisation de la trajectoire, replanification de la trajectoire et contrôle et suivi de la trajectoire. Cette thèse propose une solution complète et efficace du problème de navigation autonome pour un quadrirotor afin d'accomplir des missions de vol sures et stables pour la télédétection dans les champs agricoles. La solution est multi-phase et basée sur une combinaison d'algorithmes utilisés pour la première fois dans un scénario de AP. Certains de ces algorithmes ont ´et´e choisis avec précision parmi ceux actuellement disponibles dans la littérature afin d'identifier la meilleure combinaison d'algorithmes de navigation autonome. Dans la première phase, une définition hors ligne de la trajectoire optimale a été utilisée. Cette phase s'est généralement d´eroulée en deux étapes consécutives. La première étape utilisait des représentations de l'environnement, principalement des cartes artificielles d'occupation (OGM) et des cartes numériques d'élévation (DEM), pour générer des trajectoires géométriques optimales et localiser des points de référence de position. Des contraintes contenant les points de passage extraits et la vitesse/acc´el´eration `a ces points de passage ont été formées. Dans un deuxième temps, un algorithme de régulation quadratique linéaire (LQR) a été adopté pour générer des trajectoires minimales optimales. Le générateur de trajectoires LQR traite les contraintes des points de passage comme étant souples. Cela garantit à la fois la relaxation des contraintes des points de passage et la génération de trajectoires de position stables. Dans la phase de replanification de la trajectoire, un algorithme de champ potentiel artificiel (APF) amélioré a été utilisé pour replanifier localement la trajectoire du quadrirotor en temps réel. L'algorithme APF amélioré utilise des forces artificielles pour éloigner le véhicule de tout obstacle inattendu. Dans la phase finale, un contrôleur géométrique a été conçu pour suivre les trajectoires générées tout en pointant vers une direction de pointage spécifiée. Dans ce cas, le contrôleur devait utiliser les mesures vectorielles bruitées fournies par l'unit´e de mesure inertielle (IMU) pour construire l'attitude du quadrotor en temps réel le long de la trajectoire de position générée. Le contrôleur géométrique a été mis en œuvre sur le groupe euclidien spécial SE(3) afin d'éviter les singularités associées aux angles d'Euler ou les ambiguïtés accompagnant la représentation en quaternions. Les performances de la stratégie de navigation autonome proposée ont été d´emontrées à l'aide de simulations illustratives dans différents scénarios et les résultats ont confirmé l'efficacité de la stratégie proposée. Les résultats ont confirmé l'efficacité de la stratégie proposée. En particulier, des trajectoires de guidage géométrique sures ont été obtenues. Des trajectoires de position optimales satisfaisant aux contraintes des points de passage ont été générées avec succès en minimisant l'instantanéité du quadrotor.
Origine : Version validée par le jury (STAR)