<  Back to the Polytechnique Montréal portal

Pilotage autonome agressif de drone dans un environnement de course

Mathieu Ulysse Ashby

Master's thesis (2020)

Open Access document in PolyPublie
[img]
Preview
Open Access to the full text of this document
Terms of Use: All rights reserved
Download (5MB)
Show abstract
Hide abstract

Abstract

In recent years, the UAV market has experienced major growth in several areas, includingcivil, commercial and academics. Among these, a new field of interest has emerged: UAVracing. These races highlight the superiority of human pilots over the autonomous systemsdeveloped to date. Currently, these autonomous systems are very limited and several sensorsare required for safe and efficient flight. UAV racing tracks are a particularly difficultenvironment compared to standard flight conditions due to the high speeds involved and thevery complex visual environment. This context therefore poses significant challenges in thedevelopment and implementation of real-time state estimation and perception algorithms, aswell as trajectory planning and control laws.Non-linear control laws are the most suitable to control a multicopter in non-standard flightconditions. As far as trajectory generation is concerned, optimal polynomial trajectoriesallow, contrary to other popular methods, to generate trajectories satisfying the dynamicconstraints of the multicopter. The main objective of this research project is therefore toimprove the autonomy of racing UAVs by focusing on control and navigation problems athigh speeds.First of all, a complete modeling of the dynamics of a multicopter is carried out in orderto simulate its behavior, and to design the non-linear control law. The differential flatnessproperty of the multicopter is then exploited to generate optimal trajectories. The non-linearcontrol law is then validated by high-fidelity simulation in the ROS-Gazebo environment.Complex and aggressive trajectories are followed with a low relative error.An improved version of the trajectory generation method is then presented. It essentiallyconsists in modifications to the numerical robustness and the addition of time optimization inthe original formulation. These modifications are then used to generate optimal trajectoriesin a typical UAV race course.Finally, the control law and trajectory generation method developed are combined with adetection and mapping module to form a stand-alone autonomous drone racing system. Theperformance of these algorithms is evaluated on two typical UAV racetracks. Simulationresults show a performance and robustness slightly superior to the literature.

Résumé

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'intérêta fait son apparition : les courses de drones. Ces courses mettent en évidence la supérioritédes pilotes humains par rapport aux systèmes autonomes développés jusqu'à présent. Pourl'instant, ces systèmes d'autonomie sont très limités et plusieurs capteurs sont nécessairespour un vol sécuritaire et performant. La piste d'une course de drone est un environnementparticulièrement difficile comparativement aux conditions standards de vol du fait dehautes vitesses impliquées et d'un environnement visuel très complexe. Ce contexte pose doncd'importants défis dans le développement et l'implémentation en temps réel d'algorithmesd'estimation d'état et de perception, mais aussi de planification de trajectoires et de lois decommande.Les lois de commande non-linéaires sont les plus appropriées pour contrôler un multicoptèredans 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 decourse 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 afinde simuler son comportement, et de concevoir la loi de commande non-linéaire. La propriétéde platitude différentielle du multicoptère est alors exploitée pour la génération de trajectoiresoptimales. La loi de commande non-linéaire est ensuite validée par voie de simulationhaute fidélité dans l'environnement ROS-Gazebo. Des trajectoires complexes et agressivessont suivies avec une erreur relative faible.Une version améliorée de la méthode de génération de trajectoires est ensuite présentée. Elleconsiste essentiellement en des modifications au niveau de la robustesse numérique et l'ajoutde l'optimisation du temps dans la formulation originale. Ces modifications sont alors utiliséespour 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 sontcombinées avec un module de détection et de cartographie pour former un système autonomede parcours de piste de courses. La performance de ces algorithmes est évaluée sur deux pistesde courses typiques pour drone. Les résultats des simulations montrent une performance etrobustesse légèrement supérieure à la littérature.
Department: Department of Electrical Engineering
Program: Génie aérospatial
Academic/Research Directors: David Saussié, Sofiane Achiche
PolyPublie URL: https://publications.polymtl.ca/5548/
Institution: Polytechnique Montréal
Date Deposited: 29 Jun 2021 09:44
Last Modified: 10 Nov 2022 18:38
Cite in APA 7: Ashby, M. U. (2020). Pilotage autonome agressif de drone dans un environnement de course [Master's thesis, Polytechnique Montréal]. PolyPublie. https://publications.polymtl.ca/5548/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only

View Item View Item