The usage of Unmanned Aerial Vehicles (UAVs) to navigate autonomously in a dynamic environment is becoming more common. It is important that a UAV can generate collision-free trajectories and also be able to modify them to adapt to environment changes over the entire duration of navigation. The objective of this thesis is to present an optimized motion planning framework for UAV in dynamic environments. The proposed framework consists of two modules, which are optimized motion planner and dynamic scene generator. The optimized motion planner utilizes an asymptotically optimal sampling-based motion planning algorithm, RRTX, and extends RRTX with an optimizer based on Covariant Hamiltonian Optimization for Motion Planning (CHOMP) algorithm to optimize trajectories. A dynamic environment has obstacles that unpredictably appear, disappear or move. The optimized motion planner reacts to environment changes and finds collision-free trajectories during the navigation. Dynamic scene generator contains an obstacle information messenger and UAV simulator. This module is to simulate UAV, obstacles, and planned trajectories in a Unity scene. UAV simulator utilizes Flightmare, which is a flexible modular quadrotor simulator that contains a rendering engine built on Unity and a physics engine for dynamics simulation. The built framework is evaluated in simulations and the results show that the framework enables a UAV to navigate autonomously without colliding with any obstacles in dynamic environments. / Användningen av obemannade luftfarkoster för att navigera autonomt i dynamiska miljöer blir allt vanligare. Det är viktigt att en obemannade luftfarkost kan generera kollisionsfria banor och ändra dem för förändringar i miljöer under hela navigering. Detta examensarbete undersöker optimerad banplanering ramverket för obemannade luftfarkoster i dynamiska miljöer. Ramverket består av två delar: en optimerad banplanerare, och en dynamiska scen modul. Den optimerad banplaneraren använder en asymptotiskt optimala samplingsbaserade banplaneringsalgoritm, RRTX, och förlänger RRTX med en optimala lösning baserad på Covariant Hamiltonian Optimization for Motion Planning (CHOMP) algoritm för att optimera banor. En dynamiska miljö har hinder som oförutsägbart dyker upp, försvinner eller rör sig. Den optimerad banplaneraren reagerar på förändringar i miljöer och hittar kollisionsfria banor under navigeringen. Den dynamiska scen modulen består av en informationsbudbärare för hinder och en simulator för obemannade luftfarkoster. Denna modul ska simulera obemannade luftfarkoster, hinder och banor i en Unity scen. Den simulatorn för obemannade luftfarkoster använder Flightmare, som är en flexibel modulär simulator för quadrotorer. Flightmare består av en återgivningsmotor byggd på Unity och en fysikmotor för dynamiska simuleringar. Ramverket har testats i simuleringar. Resultat från simuleringar bekräftar att det ramverket gör att en obemannade luftfarkost kan navigera autonomt utan att kollidera med några hinder i dynamiska miljöer.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-307573 |
| Date | January 2021 |
| Creators | Zhu, Yufei |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2021:850 |
Page generated in 0.0023 seconds