Россия
ВКА им. А. Ф. Можайского (Кафедра «Математическое и программное обеспечение», Профессор)
Россия
В нашем мире особое место занимают беспилотные летательные аппараты (БПЛА). Их способность перемещаться по заданным маршрутам открывает перспективы в разных сферах. Цель исследования: обзор и анализ навигационных систем и алгоритмов маршрутизации БПЛА, методов, позволяющих БПЛА с высокой точностью следовать по маршруту. Исследуются системы GPS и инерциальной навигации (INS), обеспечивающие точное определение местоположения. Анализируются возможности сенсорных систем — камер, лидаров и ультразвуковых датчиков — для обнаружения препятствий и корректировки траектории; воксельные карты для трехмерного моделирования окружающей среды и методы одновременной локализации и картографирования (SLAM); алгоритм A* (A-star); генетический алгоритм маршрутизации, алгоритмы избегания препятствий на основе потенциалов и RRT. Практическая значимость: применение указанных алгоритмов и технологий может существенно повысить безопасность и точность маршрутизации БПЛА, возможность автономно перемещаться в сложных и динамически изменяющихся ландшафтах. В заключение обсуждаются преимущества и ограничения навигационных подходов и технологий, значимость интеграции сенсорных систем и методов SLAM для повышения автономности и эффективности БПЛА, направления дальнейших исследований.
маршрутизация БПЛА, GPS, INS, SLAM, ADS-B, воксельные карты, сенсорные системы, генетический алгоритм, алгоритм RRT
1. Elmeseiry N., Alshaer N., Ismail T. A. Detailed Survey and Future Directions of Unmanned Aerial Vehicles (UAVs) with Potential Applications // Aerospace Engineering. 2021. Vol. 8, iss. 12. No. 363. 29 p. DOI:https://doi.org/10.3390/aerospace8120363
2. Groves P. D. Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems. Second Edition. Norwood (MA): Artech House, 2013. 776 p.
3. Roberge V., Tarbouchi M., Labonte G. Comparison of Parallel Genetic Algorithm and Particle Swarm Optimization for Real-Time UAV Path Planning // IEEE Transactions on Industrial Informatics. 2013. Vol. 9, iss. 1. Pp. 132–141. DOI:https://doi.org/10.1109/TII.2012.2198665
4. Лего Т., Фомичев А. В., Лю Я. Решение задачи планирования полета малогабаритного беспилотного летательного аппарата в условиях городской среды // Автоматизация. Современные технологии. 2015. № 7. С. 19–24.
5. Kuwata Y. Real-Time Trajectory Design for Unmanned Aerial Vehicles Using Receding Horizon Control: A Thesis for the Degree of Master of Science in Aeronautics and Astronautics. Massachusetts Institute of Technology, 2003. 151 p. URL: http://www.researchgate.net/publication/242403825 (assessed: 19.08.2024).
6. Ristić-Durrant D., Franke M., Michels K. A Review of Vision-Based On-Board Obstacle Detection and Distance Estimation in Railways // Sensors. 2021. Vol. 21, iss. 10. No. 3452. 30 p. DOI:https://doi.org/10.3390/s21103452
7. Recent Advances in Unmanned Aerial Vehicles: A Review / F. Ahmed [et al.] // Arabian Journal for Science and Engineering. 2022. Vol. 47, iss. 7. Pp. 7963–7984. DOI:https://doi.org/10.1007/s13369-022-06738-0
8. UAV Path Planning Based on Improved A* and DWA Algorithms / X. Bai [et al.] // International Journal of Aerospace Engineering. 2021. Vol. 2021. No. 4511252. 12 p. DOI:https://doi.org/10.1155/2021/4511252
9. Past, Present, and Future of Simultaneous Localization and Mapping: Toward the Robust-Perception Age / C. Cadena [et al]. // IEEE Transactions on Robotics. 2016. Vol. 32, iss. 6. Pp. 1309–1332. DOI:https://doi.org/10.1109/TRO.2016.2624754
10. Ubina N. A., Cheng S.-C. A Review of Unmanned System Technologies with Its Application to Aquaculture Farm Monitoring and Management // Drones. 2022, Vol. 6, iss. 1. Art. 12. 41 p. DOI:https://doi.org/10.3390/drones6010012
11. Visual SLAM for Unmanned Aerial Vehicles: Localization and Perception / L. Zhuang [et al.] // Sensors. 2024. Vol. 24, iss. 10. Art. 2980. 24 p. DOI:https://doi.org/10.3390/s24102980
12. Алаторцев Д. В., Хамухин А. В. Анализ эффективных методов оценки дальности и алгоритмов обработки видеоинформации на БПЛА // Известия Тульского государственного университета. Технические науки. 2020. Вып. 12. C. 255–261.
13. Али Б., Садеков Р. Н., Цодокова В. В. Алгоритмы навигации беспилотных летательных аппаратов с использованием систем технического зрения // Гироскопия и навигация. 2022. Т. 30, № 4 (119). C. 87–105. DOI:https://doi.org/10.17285/0869-7035.00105
14. Хомоненко А. Д., Яковлев Е. Л. Обоснование архитектуры сверточной нейронной сети для автономного распознавания объектов на изображениях бортовой вычислительной системой // Наукоемкие технологии в космических исследованиях Земли. 2018. Т. 10, № 6. С. 86–93. DOI:https://doi.org/10.24411/2409-5419-2018-10190
15. A Review on IoT Deep Learning UAV Systems for Autonomous Obstacle Detection and Collision Avoidance / P. Fraga-Lamas [et al.] // Remote Sensing. 2019. Vol. 11, iss. 18. Art. 2144. 29 p. DOI:https://doi.org/10.3390/rs11182144
16. Новиков П. А., Хомоненко А. Д., Яковлев Е. Л. Комплекс программ для навигации мобильных устройств внутри помещений с помощью нейронных сетей // Информационно-управляющие системы. 2016. № 1 (80). С. 32– 39. DOI:https://doi.org/10.15217/issn1684-8853.2016.1.32
17. Способ построения «субоптимальных» маршрутов мониторинга разнотипных источников беспилотным летательным аппаратом / А. В. Тимошенко [и др.] // Труды МАИ. 2020. № 111. 18 c. DOI:https://doi.org/10.34759/trd-2020-111-10
18. Improved Artificial Bee Colony Algorithm-Based Path Planning of Unmanned Autonomous Helicopter Using Multi-Strategy Evolutionary Learning / Z. Han [et al.] // Aerospace Science and Technology. 2022. Vol. 122. Art. 7374. 17 p. DOI:https://doi.org/10.1016/j.ast.2022.107374
19. Energy-Efficient UAV-Assisted Mobile Edge Computing: Resource Allocation and Trajectory Optimization / M. Li [et al.] // IEEE Transactions on Vehicular Technology. 2020. Vol. 69, iss. 3. Pp. 3424–3438. DOI: 10.1109/ TVT.2020.2968343
20. Energy-Efficient Trajectory Optimization for UAV-Assisted IoT Networks / L. Zhang [et al.] // IEEE Transactions on Mobile Computing. 2021. Vol. 21, iss. 12. Pp. 4323–4337. DOI:https://doi.org/10.1109/TMC.2021.3075083
21. Resource Allocation and Trajectory Optimization for QoE Provisioning in Energy-Efficient UAV-Enabled Wireless Networks / F. Zeng [et al.] // IEEE Transactions on Vehicular Technology. 2020. Vol. 69, iss. 7. Pp. 7634–7647. DOI:https://doi.org/10.1109/TVT.2020.2986776
