Pilotage autonome agressif de drone dans un environnement de course

Dans les dernières années, le marché des drones a connu un essor majeur dans plusieurs domaines, tant civil, commercial qu'académique. Parmi ceux-ci, un nouveau domaine d'intérêt a fait son apparition : les courses de drones. Ces courses mettent en évidence la supériorité des pilotes humains par rapport aux systèmes autonomes développés jusqu'à présent. Pour l'instant, ces systèmes d'autonomie sont très limités et plusieurs capteurs sont nécessaires pour un vol sécuritaire et performant. La piste d'une course de drone est un environnement particulièrement difficile comparativement aux conditions standards de vol du fait de hautes vitesses impliquées et d'un environnement visuel très complexe. Ce contexte pose donc d'importants défis dans le développement et l'implémentation en temps réel d'algorithmes d'estimation d'état et de perception, mais aussi de planification de trajectoires et de lois de commande. Les lois de commande non-linéaires sont les plus appropriées pour contrôler un multicoptère dans des conditions non-standards de vol. En ce qui a trait à la génération de trajectoires, les trajectoires polynomiales optimales permettent, contrairement aux autres méthodes populaires, de générer des trajectoires satisfaisant les contraintes dynamiques du multicoptère. L'objectif principal de ce projet de recherche est donc d'améliorer l'autonomie des drones de course en se concentrant sur les problèmes de commande et de navigation à hautes vitesses. Tout d'abord, une modélisation complète de la dynamique d'un multicoptère est effectuée afin de simuler son comportement, et de concevoir la loi de commande non-linéaire. La propriété de platitude différentielle du multicoptère est alors exploitée pour la génération de trajectoires optimales. La loi de commande non-linéaire est ensuite validée par voie de simulation haute fidélité dans l'environnement ROS-Gazebo. Des trajectoires complexes et agressives sont suivies avec une erreur relative faible. Une version améliorée de la méthode de génération de trajectoires est ensuite présentée. Elle consiste essentiellement en des modifications au niveau de la robustesse numérique et l'ajout de l'optimisation du temps dans la formulation originale. Ces modifications sont alors utilisées pour générer des trajectoires optimales dans un parcours typique de course de drones. Pour terminer, la loi de commande et la méthode génération de trajectoires développées sont combinées avec un module de détection et de cartographie pour former un système autonome de parcours de piste de courses. La performance de ces algorithmes est évaluée sur deux pistes de courses typiques pour drone. Les résultats des simulations montrent une performance et robustesse légèrement supérieure à la littérature.