L'objectif principal de ce projet de maîtrise est de développer un algorithme de commande prédictive permettant aux aéronefs sans pilote (UAVs) de se rendre à des cibles immobiles dont les positions sont connues. Il faut toutefois que les aéronefs évitent, en cours de route, des obstacles ellipsoïdaux statiques qui sont détectés par les aéronefs lorsqu'ils en sont assez près. De plus, l'information sur les obstacles détectés doit ^etre transmisse aux autres aéronefs. Pour chacun de ces aéronefs, l'information est reçue seulement s'il est à portée de communication. Il est présumé que chaque aéronef possède un pilote automatique, système de commande à bord, qui le stabilise. Ainsi, l'algorithme doit déterminer les commandes à transmettre au pilote automatique. L'algorithme développé a été testé avec succès en simulation et l'aide d'un système "Hardware-In-the-Loop" (HIL). / The main objective of this master's project is to develop a predictive control algorithm that will allow unmanned aerial vehicles (UAVs) to intercept static targets of known position. UAVs must however avoid static ellipsoidal obstacles detected on-route, when they are in close proximity to the aircrafts. Information on the detected obstacles must also be transmitted to fellow UAVs. Each aircraft can receive information from another aircraft, only if they are in communication range. Moreover, it is assumed that each aircraft is equipped with an autopilot (on-board control device) to stabilize the UAV in-flight. The predictive control algorithm must thus determine the commands to transmit to the autopilot. The developed algorithm was tested in simulation and with a Hardware-In-the-Loop (HIL) system, both of which yielded successful results.

The thesis evaluates the current possibilities and problems of drone control and suggests possible solutions. The aim is to control drones more efficiently and easily. The final system is based on third person view and Augmented Virtuality technology where real data from the drone (video-stream, localization information) has been integrated into the virtual 3D model of the surroundings. The model of the surroundings has been created using free data. The application provides the pilot with the means to navigate in the surroundings and to navigate to destinations. It also offers the possibility to define areas with various potential security risks during mission planning, which will be used to navigate in the mission zones, and to visualize the overall situation in the virtual scene extended with online real data.

Detta arbete kommer att fokusera på att ta fram och utforma en monterbar behållare för drönare så att de ska kunna användas för att leverera matvaror snabbt vid behov och med hänsyn till befintliga drönares kapacitet. I framtagningsprocessen så kommer de karaktäristiska punkterna för en strukturerad och faktabaserad utformning av en produkt att tillämpas vilket innefattar en identifiering av mål utifrån ett behov som produkten ska uppfylla och en faktainsamling av behovets karaktär och befintliga tekniska lösningar på liknande problem. Med den informationen som underlag så kan senare grundläggande konceptskisser utformas vilka i sin tur kan förädlas till färdiga 3D ritningar och renderingar av en slutgiltig produkt. För att ganska produktens effektivitet i förhållande till ändamålet så används därefter simuleringsverktyg för att genomföra termiska och luftflödesanalyser. Slutligen diskuteras även passande tillverkningsmetoder och produktens hållbarhet, potentiella problem med hela leveransmetoden, förslag till djupare studier och en utvärdering av framtagningsprocessens genomförande. / Technical advancements in fields like battery technology, software engineering and remote-control technology has made commercial unmanned aerial vehicles (UAVs) or “drones” cheaper while also allowing for longer flight times, higher payload capacities and longer effective ranges. This combined with the growing market trend of home delivery services within the restaurant and food industries paves the way for studies on how this relatively new means of transportation can be used to deliver food to customers within range. This paper will focus on developing and designing a third party mountable container from a mechanical engineering perspective that will allow commercially available quadcopter drones to deliver food items from one point to another. This means that the design process will be dictated by a set of identified core needs that the container is meant to satisfy while results from relevant calculations such as load simulations are taken into account. Further information and discussion like proposed manufacturing methods, sustainability and the prospects of further studies will also be brought up as it pertains to the containers design process.

The adoption of small-size Unmanned Aerial Vehicles (UAVs) in the commercial and professional sectors is rapidly growing. The miniaturisation of sensors and processors, the advancements in connected edge intelligence and the exponential interest in Artificial Intelligence (AI) are boosting the affirmation of autonomous nano-size drones in the Internet of Things (IoT) ecosystem. However, achieving safe autonomous navigation and high-level tasks like exploration and surveillance with these tiny platforms is extremely challenging due to their limited resources. Lightweight and reliable solutions to this challenge are subject to ongoing research. This work focuses on enabling the autonomous flight of a pocket-size, 30-gram platform called Crazyflie in a partially known environment. We implement a modular pipeline for the safe navigation of the nano drone between waypoints. In particular, we propose an AI-aided, vision-based reactive planning method for obstacle avoidance. We deal with the constraints of the nano drone by splitting the navigation task into two parts: a deep learning-based object detector runs on external hardware while the planning algorithm is executed onboard. For designing the reactive approach, we take inspiration from existing sensorbased navigation solutions and obtain a novel method for obstacle avoidance that does not rely on distance information. In the study, we also analyse the communication aspect and the latencies involved in edge offloading. Moreover, we share insights into the finetuning of an SSD MobileNet V2 object detector on a custom dataset of low-resolution, grayscale images acquired with the drone. The results show the ability to command the drone at ∼ 8 FPS and a model performance reaching a COCO mAP of 60.8. Field experiments demonstrate the feasibility of the solution with the drone flying at a top speed of 1 m/s while steering away from an obstacle placed in an unknown position and reaching the target destination. Additionally, we study the impact of a parameter determining the strength of the avoidance action and its influence on total path length, traversal time and task completion. The outcome demonstrates the compatibility of the communication delay and the model performance with the requirements of the real-time navigation task and a successful obstacle avoidance rate reaching 100% in the best-case scenario. By exploiting the modularity of the proposed working pipeline, future work could target the improvement of the single parts and aim at a fully onboard implementation of the navigation task, pushing the boundaries of autonomous exploration with nano drones. / Användningen av små obemannade flygfarkoster (UAV) inom den kommersiella och professionella sektorn ökar snabbt. Miniatyriseringen av sensorer och processorer, framstegen inom connected edge intelligence och det exponentiella intresset för artificiell intelligens (AI) ökar användningen av autonoma drönare i nanostorlek i ekosystemet för sakernas internet (IoT). Att uppnå säker autonom navigering och uppgifter på hög nivå, som utforskning och övervakning, med dessa små plattformar är dock extremt utmanande på grund av deras begränsade resurser. Lättviktiga och tillförlitliga lösningar på denna utmaning är föremål för pågående forskning. Detta arbete fokuserar på att möjliggöra autonom flygning av en 30-grams plattform i fickformat som kallas Crazyflie i en delvis känd miljö. Vi implementerar en modulär pipeline för säker navigering av nanodrönaren mellan riktpunkter. I synnerhet föreslår vi en AI-assisterad, visionsbaserad reaktiv planeringsmetod för att undvika hinder. Vi hanterar nanodrönarens begränsningar genom att dela upp navigeringsuppgiften i två delar: en djupinlärningsbaserad objektdetektor körs på extern hårdvara medan planeringsalgoritmen exekveras ombord. För att utforma den reaktiva metoden hämtar vi inspiration från befintliga sensorbaserade navigeringslösningar och tar fram en ny metod för hinderundvikande som inte är beroende av avståndsinformation. I studien analyserar vi även kommunikationsaspekten och de svarstider som är involverade i edge offloading. Dessutom delar vi med oss av insikter om finjusteringen av en SSD MobileNet V2-objektdetektor på en skräddarsydd dataset av lågupplösta gråskalebilder som tagits med drönaren. Resultaten visar förmågan att styra drönaren med ∼ 8 FPS och en modellprestanda som når en COCO mAP på 60.8. Fältexperiment visar att lösningen är genomförbar med drönaren som flyger med en topphastighet på 1 m/s samtidigt som den styr bort från ett hinder som placerats i en okänd position och når måldestinationen. Vi studerar även effekten av en parameter som bestämmer styrkan i undvikandeåtgärden och dess påverkan på den totala väglängden, tidsåtgången och slutförandet av uppgiften. Resultatet visar att kommunikationsfördröjningen och modellens prestanda är kompatibla med kraven för realtidsnavigering och ett lyckat undvikande av hinder som i bästa fall uppgår till 100%. Genom att utnyttja modulariteten i den föreslagna arbetspipelinen kan framtida arbete inriktas på förbättring av de enskilda delarna och syfta till en helt inbyggd implementering av navigeringsuppgiften, vilket flyttar gränserna för autonom utforskning med nano-drönare.

Les travaux présentés dans cette thèse effectuée au LaBRI portent sur la mise en place d’une flotte de drones et le portage sur celle-ci d’applications collaboratives distribuées utilisant des communications asynchrones non sûres. Ces applications sont formalisées grâce au modèle de réétiquetage de graphes Asynchronous Dynamicity Aware Graph Relabeling System (ADAGRS) que nous proposons. Au delà des contributions théoriques, ces travaux ont débouché sur la mise en place du démonstrateur CARUS dans lequel cinq drones se partagent la surveillance d'une grille de 15 points d’incidents potentiels (au sol).Lorsqu’un drone détecte un incident, il s'en rapproche pour le traiter. Le reste de la flotte doit alors prendre en charge les points que ce drone ne traite plus.Les réorganisations nécessaires de la flotte se font en totale autonomie vis-à-vis du sol et sous hypothèse de perte éventuelle de drones et de messages. / The work presented in this thesis, carried out at LaBRI, deals with the set up of a fleet of UAVs and the porting on it of distributed collaborative applications that use unsafe asynchronous communications. These applications are modeled with Asynchronous Dynamicity Aware Graph Relabeling System (ADAGRS), the formal model based on graph relabellings that we propose.Beyond the theoretical contributions, this work led to the development of the CARUS demonstrator in which five UAVs share the supervision of a grid of 15 points of potential ground incidents.When a UAV detects an incident, it comes close to it in order to deal with it. The rest of the fleet must then take care of the points that this UAV no longer visits.The necessary reorganizations of the fleet are done in total autonomy with respect to the ground and under the hypothesis of possible loss of UAVs and messages.

A device for identifying forest fires in an early stage has been developed during the course of this project. Attached to a drone, this prototype will provide a live-stream to a web server displaying a blended frame, made of a thermographic image showing thermal radiation and a regular photography with the visible light. The platform consists of a small single-boarded computer, a thermal camera sensor and a regular camera module. All powered by a power bank and fitted into a custom made 3D printed plastic case. At startup the computer automatically executes scripts written in Python, initializing its sensor components and processes the captured images which finally gets transmitted to a live-stream via a web server connection. Everything described above worked well, but originally the intent was for the web interface to provide a map with the current location coordinates of the drone. Since a module for mobile communication with support for GPS was not acquired, any implementation of such kind was impossible. However, several drone models already possess the feature to obtain such coordinates.

Les drones miniatures à voilures tournantes tendent aujourd'hui à devenir les nouveaux outils du fantassin, grâce à la polyvalence des missions auxquelles ils peuvent être employés. Leur principal atout concerne leur capacité à combiner le vol stationnaire et le vol de translation rapide, dans des environnements étroits et encombrés. Nous proposons ici l'étude d'un nouveau concept de drone atypique appelé GLMAV (Gun Launched Micro Air Vehicle), qui consiste à amener un véhicule hybride projectile/drone très rapidement sur un site d'intérêt éloigné, en utilisant l'énergie fournie par une arme portable. La première tâche concerne la modélisation aérodynamique du GLMAV. L'identification paramétrique du modèle aérodynamique est alors réalisée à partir de données expérimentales d'efforts, que nous pouvons a priori quantifier par un critère algébrique d'excitabilité persistante. Nous proposons ensuite des techniques de filtrage, afin d'estimer les paramètres anémométriques inconnus mais nécessaires pour connaître l'environnement aérodynamique dans lequel l'engin évolue. De plus, pour palier à la défaillance de capteurs embarqués et qui peuvent affecter l'information de vitesse linéaire après le tir, nous proposons un estimateur d'ordre réduit de la vitesse linéaire. Dans ces deux problèmes d'estimation, nous prouvons la stabilité des observateurs proposés. Enfin, nous proposons une structure de commande pour la stabilisation de l'engin en vol quasi-stationnaire à partir d'un modèle de synthèse linéaire. Les efficacités des méthodes proposées sont illustrées par des résultats de simulations numériques et des essais expérimentaux

Inom järnvägsunderhåll är tillståndsbedömning en viktig del för att kunna få ett mer effektivt förebyggande underhåll, samt uppfylla krav på säkerhet och tillgänglighet. Förvaltning av järnvägsinfrastrukturen är en del av Trafikverkets kärnverksamhet inom järnväg, ny och innovativ teknik är ett sätt att effektivisera förvaltningen där drönare är ett intressant exempel. Drönare är en ny tekniktillämpning som stöttar en digitaliserad anläggningsövervakning. Genom att använda sig av drönare vid inspektioner kan trafiken på järnvägarna gå som vanligt samtidigt som inspektioner utförs på ett snabbt och smidigt sätt. Syftet med arbetet är att skapa en kartläggning som visar möjligheter för att tillämpa drönare vid inspektion av järnväg och järnvägsinfrastruktur, samt utgöra en grund för drönartillämpningar inom Trafikverkets verksamhet inom tillståndsbedömning av järnvägsterräng. Målet är att göra en plan för hur Trafikverkets verksamhet kan använda drönare för att stötta tillståndsbedömning av järnvägsterräng. Delar av FMECA har använts för att se vilka möjligheter det finns vid tillämpning av drönare på järnväg samt att en SWOT-analys har utförts där det redogörs för vilka styrkor, svagheter, möjligheter och risker/hot det finns när drönare tillämpas vid inspektioner avjärnvägsterräng. Drönare har en stor begränsning då de enligt regler måste flygas inom synhåll för piloten. Om Trafikverket skulle få tillstånd att flyga drönaren utom synhåll skulle möjligheten att inspektera längre sträckor finnas. Om drönare implementeras i Trafikverkets verksamhet kan det innebära en stöttning till de nuvarande metoderna för tillståndsbedömning av järnvägsterräng. Genom analys av intervjuer, litteraturstudier och en fältstudie har resultatet blivit att drönare kan tillämpas för att utföra tillståndsbedömningar av järnvägsterräng och att möjligheter finns för inspektion av järnväg och järnvägsinfrastruktur. Implementering av drönare skulle möjliggöra en effektivisering av tillståndsbedömning av järnvägsterräng. Det kan även effektivisera förvaltningen samt stötta traditionella övervakningsmetoder och stötta uppfyllandet av leveranskvaliteter och författningsefterlevnad. / In railway maintenance, condition assessment is an important part of getting more effective preventive maintenance, as well as meeting safety and accessibility requirements. The management of railway infrastructure is a part of the Swedish Transport Administration’s core in railway operations. New and innovative technology is a way to improve management efficiency, a way to do this is with the help of drones. Drones is a new technology application that supports digitized facility monitoring. By using drones during inspections, railway traffic run as usual while inspections are carried out quickly and smoothly. In railway maintenance, condition assessment is an important part of being able to get a more effective preventive maintenance, as well as meet the requirements for safety and accessibility. The purpose of the work is to create an initial survey which shows what possibilities there are today for applying drones when inspecting railway and railway infrastructure, as well as provide a basis for drone applications inside the Swedish Transport Administration’s operations within condition assessment of railway terrain. The aim is to create a plan for how the Swedish Transport Administration’s operation can use drones to support railway terrain assessment. A part of a FMECA has been used to see what opportunities there are when using drones on railway. A SWOT-analysis have been carried out explaining the strengths, weaknesses, opportunities and risks/threats that exist when drones are applied for inspection of railway terrain. Drones have a big limitation because, according to rules, they must be aired within the sight of the pilot. If the Swedish Transport Administration gets permission to fly drones out of eyesight, the possibilities of inspecting longer distances could occur. If drones are implemented in the Swedish Transport Administration’s operations, it may support the current methods for railway terrain condition assessment. Through analysis of interviews, literature studies and a field study, the results have been that drones can be applied to carry out condition assessment of railway terrain and that there are possibilities to do inspections of railway and railway infrastructure. Implementation of drones would allow for the streamlining of railway terrain condition assessment. It can also streamline administration and support traditional monitoring methods, it will also be able to support the fulfillment of delivery qualities and constitutional compliance.

Inom det heta forskningsområdet med självflygande drönare sker det en kontinuerlig utveckling både inom forskningen och inom industrin. Det finns flera forskningsproblem kring autonoma fordon, inklusive autonom styrning av drönare. Ett intressant spår för autonom styrning av drönare, är via deep reinforcement learning, dvs. en kombination av djupa neuronnät med reinforcement learning. Problemen som ofta uppkommer är tidskrävande träning, ineffektiv manövrering och problem med oförutsägbarhet och säkerhet. Även höga kostnader kan vara ett problem. Med hjälp av simuleringsprogrammet AirSim har vi fått en möjlighet att testa aktuella algoritmer utan hänsyn till kostnader och andra begränsande faktorer som kan utgöra svårigheter för att arbeta inom detta område. Microsofts egenutvecklade simulator AirSim tillåter användare att via deras applikationsprogrammeringsgränssnitt kommunicera med drönaren i programmet, vilket gör det möjligt att testa olika algoritmer. Frågeställningen som berörs är hur kan den existerande belöningsfunktionen i AirSim simulatorn förbättras med avseende på att undvika hinder och förflytta drönaren från start till mål. Målet med undersökningen är att studera och förbättra AirSims existerande Deep Q-Network algoritm med fokus på belöningsfunktionen och testa den i olika simulerade miljöer. Med hjälp av två olika experiment som utförts i två olika miljöer, observerades belöningen, antalet kollisioner och beteendet agenten hade i simulatorn. Vi lyckades inte få fram tillräckligt med data för att kunna mäta en tydlig förbättring av den modifierade belöningsfunktionens utvärderingsmått, dock kan vi säga att vi lyckades utveckla en belöningsfunktion som presterar bra genom att den undviker hinder och tar sig till mål. För att kunna jämföra vilken av belöningsfunktionerna som är bättre, behövs mer forskning inom ämnet. Med de problem som fanns med att samla in data är slutsatsen att vi inte lyckades förbättra algoritmen då vi vet inte om den presterar bättre eller sämre än den existerande belöningsfunktionen. / Drones are growing popular and so is the research within the field of autonomous drones. There are several research problems around autonomous vehicles overall, but one interesting problem covered by this study is the autonomous manoeuvring of drones. One interesting path for autonomous drones is through deep reinforcement learning, which is a combination of deep neural networks and reinforcement learning. Problems that researchers often encounter within the field stretch from time consuming training, effective manoeuvring to problems with unpredictability and security. Even high costs of testing can be an issue. With the help of simulation programs, we are able to test algorithms without any concerns to cost or other real-world factors that could limit our work. Microsoft’s own simulator AirSim lets users control the vehicle in their simulator through an application programming interface, which enables the possibility to test a variety of algorithms. The research question addressed in this study is how can the pre-existing reward function be improved on avoiding obstacles and move the drone from start to goal. The goal of this study is to find improvements on AirSim’s pre-existing Deep Q-Network algorithm’s reward function and test it in two different simulated environments. By conducting several experiments and storing evaluation metrics produced by the agents, it was possible to observe a result. The observed evaluation metrics included the average reward that the agent received over time, number of collisions and overall performance in the respective environment. We were not successfully able to gather enough data to measure an improvement of the evaluation metrics for the modified reward function. The modified function that was created performed well but did not display any substantially improved performance. To be able to successfully compare if one reward function is better than the other more research needs to be done. With the difficulties of gathering data, the conclusion is that we created a reward function that we can’t tell if it is better or worse than the benchmark reward function.

Au cours de la dernière décennie, les drones ont été largement utilisés dans les domaines des applications civiles. La photogrammétrie aéroportée a trouvé place dans ces applications comme une solution efficace de modélisation 3D mais aussi comme un outil de mesure. Vinci-Construction-Terrassement est une entreprise privée spécialisée dans le secteur des Travaux Publics qui intègre les drones et la photogrammétrie comme une solution de cartographie et de métrologie de ses chantiers. Cet outil est très efficace, par exemple, pour le calcul des volumes de stocks ou pour le suivi temporel de zones spécifiques avec un risque de glissement de terrain. Le but de ce travail est d’arriver à un géo-référencement direct des images acquises par la caméra lors du vol en s’appuyant uniquement sur un récepteur GPS embarqué. Le système utilisé doit être de faible coût et par conséquent le traitement des données est adapté à cette contrainte / Over the last decade, drones have been largely used for civil applications. Airborne photogrammetry has found place in these applications as a modeling and a measuring tool. Vinci-Construction-Terrassement is a private company of public building and works sector that integrates drones and photogrammetry as a mapping solution and metrology investigation on its sites. This tool is very efficient for the calculation of stock volumes for instance, or for time tracking of specific areas with risk of landslides. The aim of the present work is to do direct georeferencing of images acquired by the camera leaning on an embedded GPS receiver. The UAS used needs to be low cost and therefore data processing is adapted to this constraint