Diese Forschungsarbeit beschreibt alle Aspekte der Entwicklung eines neuartigen, autonomen Quadrokopters, genannt AQopterI8, zur Innenraumerkundung. Dank seiner einzigartigen modularen Komposition von Soft- und Hardware ist der AQopterI8 in der Lage auch unter widrigen Umweltbedingungen autonom zu agieren und unterschiedliche Anforderungen zu erfüllen. Die Arbeit behandelt sowohl theoretische Fragestellungen unter dem Schwerpunkt der einfachen Realisierbarkeit als auch Aspekte der praktischen Umsetzung, womit sie Themen aus den Gebieten Signalverarbeitung, Regelungstechnik, Elektrotechnik, Modellbau, Robotik und Informatik behandelt. Kernaspekt der Arbeit sind Lösungen zur Autonomie, Hinderniserkennung und Kollisionsvermeidung. Das System verwendet IMUs (Inertial Measurement Unit, inertiale Messeinheit) zur Orientierungsbestimmung und Lageregelung und kann unterschiedliche Sensormodelle automatisch detektieren. Ultraschall-, Infrarot- und Luftdrucksensoren in Kombination mit der IMU werden zur Höhenbestimmung und Höhenregelung eingesetzt. Darüber hinaus werden bildgebende Sensoren (Videokamera, PMD), ein Laser-Scanner sowie Ultraschall- und Infrarotsensoren zur Hindernis-erkennung und Kollisionsvermeidung (Abstandsregelung) verwendet. Mit Hilfe optischer Sensoren kann der Quadrokopter basierend auf Prinzipien der Bildverarbeitung Objekte erkennen sowie seine Position im Raum bestimmen. Die genannten Subsysteme im Zusammenspiel erlauben es dem AQopterI8 ein Objekt in einem unbekannten Raum autonom, d.h. völlig ohne jedes externe Hilfsmittel, zu suchen und dessen Position auf einer Karte anzugeben. Das System kann Kollisionen mit Wänden vermeiden und Personen autonom ausweichen. Dabei verwendet der AQopterI8 Hardware, die deutlich günstiger und Dank der Redundanz gleichzeitig erheblich verlässlicher ist als vergleichbare Mono-Sensor-Systeme (z.B. Kamera- oder Laser-Scanner-basierte Systeme). Neben dem Zweck als Forschungsarbeit (Dissertation) dient die vorliegende Arbeit auch als Dokumentation des Gesamtprojektes AQopterI8, dessen Ziel die Erforschung und Entwicklung neuartiger autonomer Quadrokopter zur Innenraumerkundung ist. Darüber hinaus wird das System zum Zweck der Lehre und Forschung an der Universität Würzburg, der Fachhochschule Brandenburg sowie der Fachhochschule Würzburg-Schweinfurt eingesetzt. Darunter fallen Laborübungen und 31 vom Autor dieser Arbeit betreute studentische Bachelor- und Masterarbeiten. Das Projekt wurde ausgezeichnet vom Universitätsbund und der IHK Würzburg-Mainfranken mit dem Universitätsförderpreis der Mainfränkischen Wirtschaft und wird gefördert unter den Bezeichnungen „Lebensretter mit Propellern“ und „Rettungshelfer mit Propellern“. Außerdem wurde die Arbeit für den Gips-Schüle-Preis nominiert. Absicht dieser Projekte ist die Entwicklung einer Rettungsdrohne. In den Medien Zeitung, Fernsehen und Radio wurde über den AQopterI8 schon mehrfach berichtet. Die Evaluierung zeigt, dass das System in der Lage ist, voll autonom in Innenräumen zu fliegen, Kollisionen mit Objekten zu vermeiden (Abstandsregelung), eine Suche durchzuführen, Objekte zu erkennen, zu lokalisieren und zu zählen. Da nur wenige Forschungsarbeiten diesen Grad an Autonomie erreichen, gleichzeitig aber keine Arbeit die gestellten Anforderungen vergleichbar erfüllt, erweitert die Arbeit den Stand der Forschung. / The following scientific work describes entirely the development of an innovative autonomous quadrotor, called AQopterI8, for indoor exploration and object search describing solutions in the fields of signal processing, control theory, software and hardware. The main topics are autonomy, collision avoidance and obstacle detection. The AQopterI8 uses an IMU (inertial measurement unit) for attitude control and together with ultrasonic, infrared and pressure sensors for height control. Furthermore ultrasonic, infrared, stereo vision, pmd (photonic mixing device) and laser sensors enable the quadrotor to fly autonomously, detect obstacles and avoid collisions (distance control). All ressources are on-Board and the quadrotor requires no external system such as GPS or OTS (optical tracking system) cameras. The evaluation shows, that the AQopterI8 can control its distance to moving obstacles such as persons, can fly through corridors and search, localize and count autonmously target objects. The work was marked with the university promotion prize from the chamber of commerce (IHK Mainfranken) and has been many times in the media such as newspaper, radio and television.

This thesis describes the functional principle of FARN, a novel flight controller for Unmanned Aerial Vehicles (UAVs) designed for mission scenarios that require highly accurate and reliable navigation. The required precision is achieved by combining low-cost inertial sensors and Ultra-Wide Band (UWB) radio ranging with raw and carrier phase observations from the Global Navigation Satellite System (GNSS). The flight controller is developed within the scope of this work regarding the mission requirements of two research projects, and successfully applied under real conditions. FARN includes a GNSS compass that allows a precise heading estimation even in environments where the conventional heading estimation based on a magnetic compass is not reliable. The GNSS compass combines the raw observations of two GNSS receivers with FARN’s real-time capable attitude determination. Thus, especially the deployment of UAVs in Arctic environments within the project for ROBEX is possible despite the weak horizontal component of the Earth’s magnetic field. Additionally, FARN allows centimeter-accurate relative positioning of multiple UAVs in real-time. This enables precise flight maneuvers within a swarm, but also the execution of cooperative tasks in which several UAVs have a common goal or are physically coupled. A drone defense system based on two cooperative drones that act in a coordinated manner and carry a commonly suspended net to capture a potentially dangerous drone in mid-air was developed in conjunction with the project MIDRAS. Within this thesis, both theoretical and practical aspects are covered regarding UAV development with an emphasis on the fields of signal processing, guidance and control, electrical engineering, robotics, computer science, and programming of embedded systems. Furthermore, this work aims to provide a condensed reference for further research in the field of UAVs. The work describes and models the utilized UAV platform, the propulsion system, the electronic design, and the utilized sensors. After establishing mathematical conventions for attitude representation, the actual core of the flight controller, namely the embedded ego-motion estimation and the principle control architecture are outlined. Subsequently, based on basic GNSS navigation algorithms, advanced carrier phase-based methods and their coupling to the ego-motion estimation framework are derived. Additionally, various implementation details and optimization steps of the system are described. The system is successfully deployed and tested within the two projects. After a critical examination and evaluation of the developed system, existing limitations and possible improvements are outlined. / Diese Arbeit beschreibt das Funktionsprinzip von FARN, einer neuartigen Flugsteuerung für unbemannte Luftfahrzeuge (UAVs), die für Missionsszenarien entwickelt wurde, die eine hochgenaue und zuverlässige Navigation erfordern. Die erforderliche Präzision wird erreicht, indem kostengünstige Inertialsensoren und Ultra-Breitband (UWB) basierte Funkreichweitenmessungen mit Roh- und Trägerphasenbeobachtungen des globalen Navigationssatellitensystems (GNSS) kombiniert werden. Die Flugsteuerung wird im Rahmen dieser Arbeit unter Berücksichtigung der Missionsanforderungen zweier Forschungsprojekte entwickelt und unter realen Bedingungen erfolgreich eingesetzt. FARN verfügt über einen GNSS-Kompass, der eine präzise Schätzung des Steuerkurses auch in Umgebungen erlaubt, in denen eine konventionelle Schätzung mit Hilfe eines Magnetkompasses nicht zuverlässig ist. Der GNSS-Kompass kombiniert die Messungen von zwei GNSS-Empfängern mit der echtzeitfähigen Lagebestimmung von FARN. Damit ist insbesondere der Einsatz von UAVs in arktischen Umgebungen im Rahmen des Projektes ROBEX trotz der schwachen horizontalen Komponente des Erdmagnetfeldes möglich. Zusätzlich erlaubt FARN eine zentimetergenaue relative Positionierung mehrerer UAVs in Echtzeit. Dies ermöglicht präzise Flugmanöver innerhalb eines Schwarms, aber auch die Ausführung kooperativer Aufgaben, bei denen mehrere UAVs ein gemeinsames Ziel haben oder physikalisch gekoppelt sind. In Verbindung mit dem Projekt MIDRAS wurde ein Drohnenabwehrsystem entwickelt, das auf zwei kooperativen Drohnen basiert, die koordiniert agieren und ein gemeinsam aufgehängtes Netz tragen, um eine potenziell gefährliche Drohne in der Luft einzufangen. Im Rahmen dieser Arbeit werden sowohl theoretische als auch praktische Aspekte der UAV-Entwicklung behandelt, wobei der Schwerpunkt auf den Bereichen der Signalverarbeitung, der Navigation und der Steuerung, der Elektrotechnik, der Robotik sowie der Informatik und der Programmierung eingebetteter Systeme liegt. Darüber hinaus soll diese Arbeit eine zusammengefasste Referenz für die weitere Drohnenforschung darstellen. Die Arbeit erläutert und modelliert die verwendete UAV-Plattform, das Antriebssystem, das elektronische Design und die eingesetzten Sensoren. Nach der Ausarbeitung mathematischer Konventionen zur Lagedarstellung, wird der eigentliche Kern des Flugreglers erläutert, nämlich die eingebettete Schätzung der Eigenbewegung und die prinzipielle Regelungsarchitektur. Anschließend werden, basierend auf grundlegenden Navigationsalgorithmen, fortgeschrittene trägerphasenbasierte Methoden und deren Zusammenhang mit der Schätzung der Eigenbewegung abgeleitet. Zusätzlich werden verschiedene Implementierungsdetails und Optimierungsschritte des Systems beschrieben. Das System wird innerhalb der beiden Projekte erfolgreich verwendet und getestet. Nach einer kritischen Untersuchung und Bewertung des entwickelten Systems werden bestehende Einschränkungen und mögliche Verbesserungen aufgezeigt.

Now-a-days safety systems and their advanced features have become a major part of human lives. People are ready to pay accordingly for the features they get for and very enthusiastic towards technology and latest trends. One such thing is drone or multicopter. These days everybody is getting interested in drones to buy, not only the fact that it is used in various scientific ways, sports and recreation purposes but also the latest advancements that was taking place in the development of light weight flying vehicles has made many scientific researchers, multinational companies and almost all the people to turn their eye towards the development of drones. And many companies are doing research for development of new safety features which can be called as the safety for the future. Some companies already introduced drones into the market and are used in different ways for different purposes. The usage of this vehicles depends on how intelligently one uses these multicopters. This thesis introduces a feature that adds safety to the multicopters to prevent them from flying to no-fly-regions. The work in this thesis is done to provide an approach by the usage of Raspberry Pi 2 B for multicopter applications as the main development board. It also helps the multicopter to prevent entering the NFR by detecting the NFRs around them intelligently and avoid them so there shouldn\'t be any problem or damage for the multicopters. Here we use GPS sensor for getting the NMEA data as input to know the latitude and longitude positions and then transferred to RPI2 B which allows us to know the latitude and longitude positions and then transfer this data into database to store the data through a wireless medium i.e., Wi-Fi medium. Based on the information stored in database we can see the location in a graphical manner using the open street maps (OSM). After that different checks are performed to avoid the NFR : (i) We will check if the current point lies inside or outside the no-fly-region based on the map information of NFR using the Point in Polygon algorithm and then (ii) we are using some area based detection 4 algorithm to check the distance from the point to line using Paul Brouke algorithm to see how far is the next NFR from the current point and avoiding it and the information is updated and stored in the database accordingly .(iii) Later, if the multicopter is out of all no-fly-region then the distance to the next NFR or nearest ones is analyzed and the information will be used for safety purpose. By using geometry and algorithms we are checking and finding out the NFRs and avoid entering into the NFR space. If the point is detected inside a no-fly-region then the last point outside this region will be detected which is marked as safe and the multicopter will be backtracked to the previous point before entering the no-fly-region i.e., the safe point. This paper not only aims at multicopter safety but also throws light into the future systems that are going to be developed in the field of Car-2-X, ensuring extended safety of the passengers.

High voltage transmission lines are used for distributing electricity and have to work reliably as it directly affects their performance. Therefore, inspections and maintenances are required in order to keep them working and to find damages as soon as possible. These inspections are still done by humans, which costs a lot of resources, as it is not only dangerous but also cost- and time consuming. This Bachelor's thesis proposes an alternative way of inspection that can be done by presenting an expert system that is able to help the flight controller of an unmanned aerial vehicle. The implementation is done by splitting the main objective into smaller scenarios, each building the fundamentals for developing further flight missions. CLIPS is the expert system programming language used in order to write scripts for each scenario. Tests to verify the functionality and executability of the implemented concept were done using three dfferent methods. The first test was made using a simulation, the next step was to use the hardware that is used in the field and the last test was to execute the implementation on a real copter. / Hochspannungsleitungen werden zur Verteilung von Strom verwendet und müssen zuverlässig funktionieren, da sich ihre Zuverlässigkeit direkt auf die Leistung auswirkt. Deshalb sind Inspektionen und Wartungen erforderlich, um die Funktionsfähigkeit aufrechtzuerhalten und Schäden so schnell wie möglich zu erkennen. Diese Inspektionen werden noch immer vom Menschen durchgeführt, was viele Ressourcen kostet, da es nicht nur gefährlich, sondern auch kosten- und zeitaufwendig ist. Diese Bachelorarbeit schlägt eine alternative Art und Weise Inspektionen durchzuführen vor, indem sie ein Expertensystem verwendet, das in der Lage ist bei der Führung des Flug-Controllers eines unbemannten Luftfahrzeugs zu helfen. Die Umsetzung erfolgt durch die Aufteilung des Hauptziels in kleinere Szenarien, die jeweils die Grundlagen für die Entwicklung weiterer Flugmissionen bilden. CLIPS ist die verwendete Expertensystem-Programmiersprache, um Skripte für jedes Szenario zu schreiben. Tests zur Uberprüfung der Funktionalität und Ausführbarkeit des implementierten Konzepts wurden mit Hilfe von drei verschiedenen Methoden durchgeführt. Der erste Test wurde mit einer Simulation erhoben. Der nächste Schritt war die Verwendung von Hardware, die in echten Einsätzen benutzt wird und der letzte Test war die Ausführung der Implementierung auf einem echten Quadrocopter.

Unmanned aerial vehicles have developed rapidly in recent years due to technological advances. UAV technology can be applied to a wide range of applications in surveillance, rescue, agriculture and transport. The problems that can exist in these areas can be mitigated by combining clusters of drones with several technologies. For example, when a swarm of drones is under attack, it may not be able to obtain the position feedback provided by the Global Positioning System (GPS). This poses a new challenge for the UAV swarm to fulfill a specific mission. This thesis intends to use as few sensors as possible on the UAVs and to design the smallest possible information transfer between the UAVs to maintain the shape of the UAV formation in flight and to follow a predetermined trajectory. This thesis presents Extended Kalman Filter methods to navigate autonomously in a GPS-denied environment. The UAV formation control and distributed communication methods are also discussed and given in detail.

Now-a-days safety systems and their advanced features have become a major part of human lives. People are ready to pay accordingly for the features they get for and very enthusiastic towards technology and latest trends. One such thing is drone or multicopter. These days everybody is getting interested in drones to buy, not only the fact that it is used in various scientific ways, sports and recreation purposes but also the latest advancements that was taking place in the development of light weight flying vehicles has made many scientific researchers, multinational companies and almost all the people to turn their eye towards the development of drones. And many companies are doing research for development of new safety features which can be called as the safety for the future. Some companies already introduced drones into the market and are used in different ways for different purposes. The usage of this vehicles depends on how intelligently one uses these multicopters. This thesis introduces a feature that adds safety to the multicopters to prevent them from flying to no-fly-regions. The work in this thesis is done to provide an approach by the usage of Raspberry Pi 2 B for multicopter applications as the main development board. It also helps the multicopter to prevent entering the NFR by detecting the NFRs around them intelligently and avoid them so there shouldn\'t be any problem or damage for the multicopters. Here we use GPS sensor for getting the NMEA data as input to know the latitude and longitude positions and then transferred to RPI2 B which allows us to know the latitude and longitude positions and then transfer this data into database to store the data through a wireless medium i.e., Wi-Fi medium. Based on the information stored in database we can see the location in a graphical manner using the open street maps (OSM). After that different checks are performed to avoid the NFR : (i) We will check if the current point lies inside or outside the no-fly-region based on the map information of NFR using the Point in Polygon algorithm and then (ii) we are using some area based detection 4 algorithm to check the distance from the point to line using Paul Brouke algorithm to see how far is the next NFR from the current point and avoiding it and the information is updated and stored in the database accordingly .(iii) Later, if the multicopter is out of all no-fly-region then the distance to the next NFR or nearest ones is analyzed and the information will be used for safety purpose. By using geometry and algorithms we are checking and finding out the NFRs and avoid entering into the NFR space. If the point is detected inside a no-fly-region then the last point outside this region will be detected which is marked as safe and the multicopter will be backtracked to the previous point before entering the no-fly-region i.e., the safe point. This paper not only aims at multicopter safety but also throws light into the future systems that are going to be developed in the field of Car-2-X, ensuring extended safety of the passengers.

The advent of unoccupied aerial systems (UAS) as disruptive technology has a lasting impact on remote sensing, geophysics and most geosciences. Small, lightweight, and low-cost UAS enable researchers and surveyors to acquire earth observation data in higher spatial and spectral resolution as compared to airborne and satellite data. UAS-based applications range from rapid topographic mapping using photogrammetric techniques to hyperspectral and geophysical measurements of surface and subsurface geology. UAS surveys contribute to identifying metal deposits, monitoring of mine sites and can reveal arising environmental issues associated with mining. Further, affordable UAS technology will boost exploration data availability and expertise in the global south. This thesis investigates the application of UAS-based multi-sensor data for mineral exploration, in particular the integration of hyperspectral imagers, magnetometers and digital cameras (covering the visible red, green, blue light spectrum). UAS-based research is maturing, however the aforementioned methods are not unified effectively. RGB-based photogrammetry is used to investigate topography and surface texture. Image spectrometers measure mineral-specific surface signatures. Magnetometers detect geomagnetic field changes caused by magnetic minerals at surface and depth. The integration of such UAS sensor-based methods in this thesis augments exploration potential with non-invasive, high-resolution, safe, rapid and practical survey methods. UAS-based surveying acquired, processed and integrated data from three distinct test sites. The sites are located in Finland (Fe-Ti-V at Otanmäki; apatite at Siilinjärvi) and Greenland (Ni-Cu-PGE at Qullissat, Disko Island) and were chosen as geologically diverse areas in subarctic to arctic environments. Restricted accessibility, unfavourable atmospheric conditions, dark rocks, debris and vegetation cover and low solar illumination were common features. While the topography in Finland was moderately flat, a steep landscape challenged the Greenland field work. These restraints meant that acquisitions varied from site to site and how data was integrated and interpreted is dependent on the commodity of interest. Iron-based spectral absorption and magnetic mineral response were detected using hyperspectral and magnetic surveying in Otanmäki. Multi-sensor-based image feature detection and classification combined with magnetic forward modelling enabled seamless geologic mapping in Siilinjärvi. Detailed magnetic inversion and multispectral photogrammetry led to the construction of a comprehensive 3D model of magmatic exploration targets in Greenland. Ground truth at different intensity was employed to verify UAS-based data interpretations during all case studies. Laboratory analysis was applied when deemed necessary to acquire geologic-mineralogic validation (e.g., X-ray diffraction and optical microscopy for mineral identification to establish lithologic domains, magnetic susceptibility measurements for subsurface modelling), for example for trace amounts of magnetite in carbonatite (Siilinjärvi) and native iron occurrence in basalt (Qullissat). Technical achievements were the integration of a multicopter-based prototype fluxgate-magnetometer data from different survey altitudes with ground truth, and a feasibility study with a high-speed multispectral image system for fixed-wing UAS. The employed case studies transfer the experiences made towards general recommendations for UAS application-based multi-sensor integration. This thesis highlights the feasibility of UAS-based surveying at target scale (1–50 km2) and solidifies versatile survey approaches for multi-sensor integration. / Ziel dieser Arbeit war es, das Potenzial einer Drohnen-basierten Mineralexploration mit Multisensor-Datenintegration unter Verwendung optisch-spektroskopischer und magnetischer Methoden zu untersuchen, um u. a. übertragbare Arbeitsabläufe zu erstellen. Die untersuchte Literatur legt nahe, dass Drohnen-basierte Bildspektroskopie und magnetische Sensoren ein ausgereiftes technologisches Niveau erreichen und erhebliches Potenzial für die Anwendungsentwicklung bieten, aber es noch keine ausreichende Synergie von hyperspektralen und magnetischen Methoden gibt. Diese Arbeit umfasste drei Fallstudien, bei denen die Drohnengestützte Vermessung von geologischen Zielen in subarktischen bis arktischen Regionen angewendet wurde. Eine Kombination von Drohnen-Technologie mit RGB, Multi- und Hyperspektralkameras und Magnetometern ist vorteilhaft und schuf die Grundlage für eine integrierte Modellierung in den Fallstudien. Die Untersuchungen wurden in einem Gelände mit flacher und zerklüfteter Topografie, verdeckten Zielen und unter oft schlechten Lichtverhältnissen durchgeführt. Unter diesen Bedingungen war es das Ziel, die Anwendbarkeit von Drohnen-basierten Multisensordaten in verschiedenen Explorationsumgebungen zu bewerten. Hochauflösende Oberflächenbilder und Untergrundinformationen aus der Magnetik wurden fusioniert und gemeinsam interpretiert, dabei war eine selektive Gesteinsprobennahme und Analyse ein wesentlicher Bestandteil dieser Arbeit und für die Validierung notwendig. Für eine Eisenerzlagerstätte wurde eine einfache Ressourcenschätzung durchgeführt, indem Magnetik, bildspektroskopisch-basierte Indizes und 2D-Strukturinterpretation integriert wurden. Fotogrammetrische 3D-Modellierung, magnetisches forward-modelling und hyperspektrale Klassifizierungen wurden für eine Karbonatit-Intrusion angewendet, um einen kompletten Explorationsabschnitt zu erfassen. Eine Vektorinversion von magnetischen Daten von Disko Island, Grönland, wurden genutzt, um großräumige 3D-Modelle von undifferenzierten Erdrutschblöcken zu erstellen, sowie diese zu identifizieren und zu vermessen. Die integrierte spektrale und magnetische Kartierung in komplexen Gebieten verbesserte die Erkennungsrate und räumliche Auflösung von Erkundungszielen und reduzierte Zeit, Aufwand und benötigtes Probenmaterial für eine komplexe Interpretation. Der Prototyp einer Multispektralkamera, gebaut für eine Starrflügler-Drohne für die schnelle Vermessung, wurde entwickelt, erfolgreich getestet und zum Teil ausgewertet. Die vorgelegte Arbeit zeigt die Vorteile und Potenziale von Multisensor-Drohnen als praktisches, leichtes, sicheres, schnelles und komfortabel einsetzbares geowissenschaftliches Werkzeug, um digitale Modelle für präzise Rohstofferkundung und geologische Kartierung zu erstellen.