The field of obstacle avoidance is a well-researched area. Despite this, research on obstacle avoidance in three dimensions is surprisingly sparse. For platforms which are able to navigate three-dimensional space, such as multirotor UAVs, such methods will become more common. In this thesis, an obstacle avoidance method, intended for a three-dimensional environment, is presented. First the method reduces the dimensionality of the three-dimensional world into two dimensions by projecting obstacle observations onto a two-dimensional spherical depth map, retaining information on direction and distance to obstacles. Next, the method accounts for the dimensions of the platform by applying a post-processing on the depth map. Finally, knowing the motion model, a look-ahead verification step is taken, using information from the depth map, to ensure that the platform does not collide with any obstacles by not allowing control inputs which leads to collisions. If there are multiple control input candidates after verification that lead to velocity vectors close to a desired velocity vector, a heuristic cost function is used to select one single control input, where the similarity in direction and magnitude of the resulting and desired velocity vector is valued. Evaluation of the method reveals that platforms are able to maintain distances to obstacles. However, more work is suggested in order to improve the reliability of the method and to perform a real world evaluation. / Fältet inom kollisionsundvikande är ett välforskat område. Trots detta så är forskning inom kollisionsundvikande metoder i tre dimensioner förvånansvärt magert. För plattformar som kan navigera det tredimensionella rummet, såsom multirotor-baserade drönare kommer sådana metoder att bli mer vanliga. I denna tes presenteras en kollisionsundvikande metod, menad för det tredimensionella rummet. Först reduceras dimensionaliteten av det tredimensionella rummet genom att projicera hinderobservationer på ett tvådimensionellt sfärisk ark i form av en djupkarta som bibehåller information om riktning och avstånd till hinder. Därefter beaktas plattformens dimensioner genom att tillämpa ett efterbehandlingssteg på djupkartan. Till sist, med kunskap om rörelsemodellen, ett verifieringssteg där information från djupkartan används för att försäkra sig om att plattformen inte kolliderar med några hinder genom att inte tillåta kontrollinmatningar som leder till kollisioner. Om det finns flera kontrollinmatningskandidater efter verifikationssteget som leder till hastighetsvektorer nära en önskad hastighetsvektor så används en heuristisk kostnadsfunktion, där likheten i riktning och magnitud av den resulterande vektorn och önskade hastighetsvektorn värderas, för att välja en av dem. Utvärdering av metoden visar att plattformar kan bibehålla avstånd till hinder. Dock föreslås ytterligare arbete för att förbättra tillförlitligheten av metoden samt att utvärdera metoden i den verkliga världen.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-189320 |
Date | January 2016 |
Creators | Ekström, Johan |
Publisher | KTH, Skolan för datavetenskap och kommunikation (CSC) |
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 |
Page generated in 0.0202 seconds