KR20220062964A - 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법 - Google Patents

다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법 Download PDF

Info

Publication number
KR20220062964A
KR20220062964A KR1020200148759A KR20200148759A KR20220062964A KR 20220062964 A KR20220062964 A KR 20220062964A KR 1020200148759 A KR1020200148759 A KR 1020200148759A KR 20200148759 A KR20200148759 A KR 20200148759A KR 20220062964 A KR20220062964 A KR 20220062964A
Authority
KR
South Korea
Prior art keywords
path
unmanned aerial
flight
aerial vehicles
point
Prior art date
Application number
KR1020200148759A
Other languages
English (en)
Inventor
홍유경
김수성
정성구
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020200148759A priority Critical patent/KR20220062964A/ko
Publication of KR20220062964A publication Critical patent/KR20220062964A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • B64C2201/143—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
    • B64U2201/102—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS] adapted for flying in formations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

항공 이미지 촬영이나 자동 방제와 같은 목적으로 복수 무인비행체가 다각형으로 정의된 비행 영역을 빠짐없이 효율적으로 안정하게 비행하기 위한 최적 경로 생성 방법가 개시된다. 최적 경로 생성 방법은 사용자 단말로부터 복수 무인비행체를 활용한 영역 커버리지 임무를 수행하기 위한 사용자 입력을 받는 단계, 사용자 입력에 포함된 다각형 영역을 위한 꼭지점 정보를 바탕으로 기하학적 경로점 리스트를 산출하는 단계, 경로점 리스트를 그래프화하는 단계, 및 최단 비행 시간으로 임무를 수행하고 안전한 비행 경로 생성을 위한 최적화 문제를 설계하고 최적화 문제에 대한 최적해를 결정하는 단계를 포함한다.

Description

다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법{METHOD OF GENERATING OPTIMAL PATH FOR MULTIPLE UNMANNED AERIAL VEHICLES OVER A POLYGONAL FLIGHT AREA}
본 발명은 복수 무인비행체를 이용한 자율 임무 계획 및 수행에 관한 것으로, 더욱 상세하게는 항공 이미지 촬영이나 자동 방제와 같은 목적으로 복수 무인비행체가 다각형으로 정의된 비행 영역을 빠짐없이 효율적으로 안정하게 비행하기 위한 최적 경로 생성 방법에 관한 것이다.
'드론'으로 널리 알려진 무인비행체는 그동안 사람이 수행해야만 했던 오랜 시간이 소요되거나 위험한 작업들을 효율적으로 대신 수행할 수 있기 때문에 다양한 산업분야에서 무인비행체의 활용 범위가 증가하고 있다.
일반적으로, 무인비행체를 활용한 자율 임무는 영역 커버리지(area coverage), 탐색(search), 라우팅(routing), 데이터 수집, 통신 중계 등으로 구분된다. 이 중에서도 특히 영역 커버리리는 정밀 농업, 3차원 매핑, 구조물 검사 등 보다 다양한 산업분야에 적용될 수 있다.
영역 커버리지를 수행하기 위한 기존의 비행궤적은 잔디 깎기 패턴(lawn mowing pattern), 나선형 패턴(spiral pattern), 그리드 기반 패턴(grid based pattern) 등으로 구분되다.
그 동안 여러 국내외 업체에서 영역 커버리지에 특화된 자율 임무 수행을 위한 저작 도구가 개발되어 왔다. 하지만, 대부분은 단일 무인비행체를 위한 것이며, 최적화 알고리즘이 전혀 적용되지 않고 사람에 의해 입력된 경로점 리스트를 그대로 수신하여 이를 따라 비행하는데 그치고 있다.
하지만 단일 무인비행체를 이용한 자율임무 수행에는 많은 제약이 있다. 대표적으로 무인비행체의 경우, 페이로드(payload) 제약 때문에 최대 비행 가능한 시간과 거리에 큰 제약이 있다.
따라서 이러한 단점을 극복하기 위해서는 단일 무인비행체가 아닌 복수 무인비행체를 이용한 협력적 자율 임무 수행이 필수적이다.
또한, 단순히 사람에 의해 입력된 경로점을 따라 비행하는 것이 아니라, 복수 무인비행체가 효율적으로 주어진 임무를 완료할 수 있도록 최적화된 경로점 리스트를 생성할 수 있어야 한다.
본 발명은 전술한 종래 기술의 요구에 부응하기 위한 것으로, 본 발명의 목적은 헤딩각 변화가 적을수록 더 효율적인 비행이 가능한 무인비행체의 특성을 고려하여 잔디 깎기 기반 패턴을 기반으로 영역 커버리지를 수행하는 복수 무인비행체의 최적 경로 생성 방법을 제공하는데 있다.
본 발명의 또 다른 목적은 복수 무인비행체가 다각형으로 주어진 비행 영역을 빠짐없이 비행할 때 최단 비행 시간으로 주어진 임무를 효율적이고 안전하게 수행할 수 있는 최적화된 경로점을 산출하는 것에 특징이 있는 복수 무인비행체의 최적 경로 생성 방법을 제공하는데 있다.
상기 기술적 과제를 해결하기 위한 본 발명의 다른 측면에 따른 복수 무인비행체의 최적 경로 생성 방법은, 복수 무인비행체가 다각형으로 주어진 비행 영역을 비행하게 하기 위한 최적 경로를 생성하는 방법으로서, 영역 커버리지 임무를 수행하기 위한 사용자 입력을 수신하는 단계; 상기 사용자 입력에 포함된 꼭지점 정보로부터 다각형 영역과 다각형의 경계선 정보를 산출하는 단계; 상기 다각형의 경계선 중에서 잔디 깎기 패턴의 기준선을 결정하는 단계; 상기 다각형의 경계선과 잔디 깎기 패턴의 교차점을 경로점으로 결정하는 단계; 상기 다각형 영역에 적용할 잔디 깎기 패턴을 위해 특정 경로점의 방문 순서를 제한하는 단계; 상기 경로점 간의 거리 정보를 그래프화하는 단계; 및 상기 다각형 영역에 대한 최적 경로의 최적화 문제를 설계하고 상기 최적화 문제의 최적해를 결정하는 단계;를 포함한다.
일실시예에서, 상기 기준선을 결정하는 단계는 상기 경계선 중 가장 긴 선분을 기준선으로 결정한다.
일실시예에서, 상기 방문 순서를 제한하는 단계는, 상기 잔디 깎기 패턴을 기준으로 상기 경로점들에 대한 경로점 쌍을 생성하는 것을 포함한다.
일실시예에서, 상기 그래프화하는 단계는 상기 거리 정보를 포함하는 경로점 정보를 2차원 행렬로 나타내는 것을 포함한다. 여기서, 상기 2차원 행렬의 원소 (i, j)는 i번째 경로점에서 j번째 경로점 간의 거리를 나타낸다.
일실시예에서, 상기 그래프화하는 단계는, 2차원 행렬의 원소가 최단 직선 거리에 해당하지 않거나 비행 경로를 기준으로 경로점들이 서로 근처에 위치하지 않는 경우는 2차원 행렬의 해당 원소의 거리 정보에 패널티를 곱하는 것을 포함한다. 상기 패널티는 1보다 큰 임의의 상수이다.
일실시예에서, 상기 최적화 문제의 설계는 N(임의의 자연수)대의 무인비행체와 임의의 두 경로점을 연결하는 M개의 엣지 사이에 최적 페어(pair)를 결정하는 것을 포함한다.
일실시예에서, 상기 최적화 문제의 결정 변수는 무인비행체가 최적 페어 상의 두 경로점을 연결하는 엣지에 할당되면 1, 상기 두 경로점을 연결하는 엣지에 할당되지 않으면 0의 값을 갖는다.
일실시예에서, 상기 최적화 문제의 성능지수는 최대 비행시간과 평균 비행시간의 합이다. 상기 최적화 문제의 설계는 상기 성능지수를 최소화하는 것이다.
일실시예에서, 상기 최적화 문제의 설계에 대한 제1 구속조건은 임무 시작점에 해당하는 경로점을 제외한 비행 영역 상의 모든 경로점들을 상기 N대의 무인비행체에 의해 한번만 방문되는 조건이다.
일실시예에서, 상기 최적화 문제의 설계에 대한 제2 구속조건은 무인비행체가 특정 경로점에 도착하면 해당 경로점에서 출발하는 여정이 있어야 하는 조건이다.
일실시예에서, 상기 최적화 문제의 설계에 대한 제3 구속조건은 특정 경로점 쌍에 대한 두 개의 보조 변수를 더하여 여행 외판원 문제(travelling salesman problem)에서 서브 투어(subtour)를 방지하는 조건이다.
일실시예에서, 상기 최적화 문제의 설계에 대한 제4 구속조건은 상기 N대의 무인비행체 모두의 영역 커버리지에 대한 참여를 강제하는 조건이다.
일실시예에서, 상기 최적화 문제의 설계에 대한 제5 구속조건은 상기 N대의 무인비행체 각각에 대하여 잔디 깎기 패턴을 생성하기 위해 경로점 쌍에 따른 비행 경로를 기준으로 서로 인접한 순서로 방문해야 하는 경로점들 간의 방문 순서를 제한하는 조건이다.
상기 기술적 과제를 해결하기 위한 본 발명의 다른 측면에 따른 복수 무인비행체의 최적 경로 생성 방법은, 사용자 단말로부터 복수 무인비행체를 활용한 영역 커버리지 임무를 수행하기 위한 사용자 입력을 받는 단계; 상기 사용자 입력에 포함된 다각형 영역을 위한 꼭지점 정보를 바탕으로 기하학적 경로점 리스트를 산출하는 단계; 상기 경로점 리스트를 그래프화하는 단계; 및 상기 최단 비행 시간으로 임무를 수행하고 안전한 비행 경로 생성을 위한 최적화 문제를 설계하고 상기 최적화 문제에 대한 최적해를 결정하는 단계;를 포함한다.
일실시예에서, 상기 기하학적 경로점 리스트를 산출하는 단계는 상기 다각형 영역의 경계선들 중 가장 긴 선분을 잔디 깎기 패턴의 기준선으로 결정하고, 상기 경계선들과 잔디 깎기 패턴의 교차점을 경로점으로 결정하고, 상기 경로점들을 상기 기준점을 토대로 경로점 쌍으로 형성하는 일련의 과정을 포함한다.
일실시예에서, 상기 그래프화하는 단계는 상기 거리 정보를 포함하는 경로점 정보를 2차원 행렬로 나타내는 것을 포함하고, 상기 2차원 행렬의 원소 (i, j)는 i번째 경로점에서 j번째 경로점 간의 거리를 나타내고, 상기 2차원 행렬의 원소가 최단 직선 거리에 해당하지 않거나 비행 경로를 기준으로 경로점들이 서로 근처에 위치하지 않는 경우는 2차원 행렬의 해당 원소의 거리 정보에 패널티를 곱하는 과정을 포함한다.
전술한 복수 무인비행체의 최적 경로 생성 방법을 사용하면, 복수 무인비행체가 임의의 다각형으로 주어진 비행 영역을 최단 시간으로 안전하게 비행할 수 있는 경로를 생성할 수 있다.
또한, 본 발명에 의하면, 기존의 단일 무인비행체를 대상으로 한 자율 임무 수행을 위한 저작도구에서는 고러하지 못한 복수의 무인비행체를 활용한 자율 임무 수행이 가능하다.
또한, 본 발명에 의하면, 사람이 입력하는 비행 경로보다 비행 시간을 단축할 수 있는 복수 무인비행체의 최적 비행 경로를 생성하는 효과가 있다.
도 1은 본 발명의 일실시예에 따른 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법에서 고려할 수 있는 영역 커버리지의 수행 환경을 나타낸 도면이다.
도 2는 본 발명의 다른 실시예에 따른 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 장치의 블록 구성도이다.
도 3은 도 2의 장치에 채용할 수 있는 복수 무인비행체의 최적 경로 생성 방법에 대한 동작 흐름도이다.
도 4는 도 3의 사용자 입력에 포함된 꼭지점에 의해 결정되는 다각형의 비행 영역을 나타낸 도면이다.
도 5는 도 3의 방법에 채용할 수 있는 잔디 깎기 패턴의 궤적 간의 간격을 나타낸 도면이다.
도 6은 도 3의 다각형 비행 영역의 경계선을 나타낸 도면이다.
도 7은 도 3의 방법에서 결정된, 무인비행체가 경유해야 하는 경로점을 예시한 도면이다.
도 8은 도 3의 방법에서 잔디 깎기 기반 패턴으로 비행하기 위해 인접한 순서로 방문해야 하는 경로점을 구분하여 나타낸 도면이다.
도 9는 도 3의 방법에서 경로점 간의 거리 정보를 그래프화할 때 채용할 수 있는 노드와 엣지로 표현되는 그래프의 예시를 나타낸 도면이다.
도 10a 내지 도 10c는 도 3의 방법에서 최적화 문제 설계 및 최적해 결정에 따른 최적 경로 생성 결과를 설명하기 위한 도면들이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명의 바람직한 실시예를, 첨부한 도면들을 참조하여 보다 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법에서 고려할 수 있는 영역 커버리지의 수행 환경을 나타낸 도면이다.
도 1을 참조하면, 본 실시예에 따른 복수 무인비행체의 최적 경로 생성 방법에 채용할 수 있는 복수 무인비행체(100, 101)는 사용자가 정의한 비행 영역(110)을 빠짐없이 비행하는 영역 커버리지 임무를 수행한다.
이 때, 설명의 편의상 임무를 수행하는 고도는 사전에 정의된 값으로 일정하다고 가정한다.
영역 커버리지 임무는 기본적으로 복수 무인비행체(100, 101)가 지구 표면에 대한 수신권 혹은 발자취(footprint)(121, 122)로 모두 채우는 것을 목표는 한다.
도 2는 본 발명의 다른 실시예에 따른 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 장치를 포함할 수 있는 비행 제어 장치의 블록 구성도이다.
도 2를 참조하면, 본 실시예에 따른 비행 제어 장치(200)는 복수 무인비행체가 최적 영역 커버리지 임무를 수행하기 위한 장치로서, 임무 계획 유닛(210), 환경 인지 및 경로 계획 유닛(220), 비행 제어 유닛(230) 및 모델 유닛(240)을 포함하며, 임무 계획 유닛(210)은 복수 무인비행체의 최적 경로 생성 장치(간략히 '경로 생성 장치')에 대응한다.
비행 제어 장치(200)는 무인비행체에 탑재될 수 있다. 무인비행체는 위성항법보정시스템(differential GPS) 모듈, RTK(real time kinematic)-GPS 모듈 등에서 선택되는 적어도 어느 하나의 범지구위치결정시스템(global ositioning system, GPS) 모듈과 비행제어컴퓨터(flight control computer, FCC)와 통신 모듈 등을 구비할 수 있고, 카메라, 라이다(light detection and ranging, LiDAR), 관성측정장치(inertial measurement unit, IMU) 등의 센서를 더 구비할 수 있다. 비행제어컴퓨터는 MAVlink(micro air vehicle link), GPS 모듈 드라이버, 위치추정부, 위치제어부, 자세추정부, 자세제어부, 시나리오 공급부, 모니터링부, 발광표시장치 드라이버 등을 구비할 수 있다.
그리고 MAVlink는 통신 모듈과 연결되어 무인비행체 내의 내부 구성부들과 통신하기 위한 프로토콜로 데이터 교환을 제공하는 메시징 모듈이며, 헤더 전용 메시지 마샬링 라이브러리(marshalling library)로 설계될 수 있다. 또한 시나리오 공급부는 저장부에 저장된 시나리오 파일에 기초하여 위치 제어부에 경로 계획에 대한 시나리오를 제공할 수 있다.
여기서, 환경 인지 및 경로 계획 유닛(220)은 GPS, 카메라 등의 정보에 기초하여 위치를 인식하고 카메라, 라이다 등의 정보에 기초하여 주변 환경을 인식하는 환경 인지 모듈과, 환경 인지 모듈의 위치 및 환경 정보에 기초하여 경로점 집합을 포함한 광역적 경로 계획을 수행하고 광역적 경로 계획에 기초하여 국소적 경로 계획을 수행하여 궤적 정보를 비행 제어 유닛(230)에 제공하는 경로 계획 모듈을 구비할 수 있다.
비행 제어 유닛(230)은 환경 인지 및 경로 계획 유닛(220)으로부터의 위치정보와 궤적 정보에 기초하여 무인비행체의 위치를 제어하는 위치제어부와, 위치제어부의 자세 명령과 IMU 센서로부터의 정보에 따라 무인비행체의 자세를 제어하는 자세제어부와, 자세제어부의 구동기 명령에 따라 구동력을 생성, 증가, 유지, 감소, 혹은 정지시키는 구동기(actuator) 등의 비행 제어 관련 모듈들을 구비할 수 있다.
모델 유닛(240)은 무인비행체의 위치를 보정할 수 있도록 기저장된 예측 모델을 기반으로 IMU 관찰 값을 임무 계획 유닛(210), 환경 인지 및 경로 계획 유닛(220) 및 비행 제어 유닛(230)에 제공할 수 있다. 이러한 루프 클로징(loop closing)은 무인비행체의 위치 계산시 발생하는 편류 오류를 보정한다.
도 3은 도 2의 장치에 채용할 수 있는 복수 무인비행체의 최적 경로 생성 방법에 대한 동작 흐름도이다. 도 4는 도 3의 사용자 입력에 포함된 꼭지점에 의해 결정되는 다각형의 비행 영역을 나타낸 도면이다. 도 5는 도 3의 방법에 채용할 수 있는 잔디 깎기 패턴의 궤적 간의 간격을 나타낸 도면이다. 도 6은 도 3의 다각형 비행 영역의 경계선을 나타낸 도면이다. 도 7은 도 3의 방법에서 결정된, 무인비행체가 경유해야 하는 경로점을 예시한 도면이다. 도 8은 도 3의 방법에서 잔디 깎기 기반 패턴으로 비행하기 위해 인접한 순서로 방문해야 하는 경로점을 구분하여 나타낸 도면이다. 그리고 도 9는 도 3의 방법에서 경로점 간의 거리 정보를 그래프화할 때 채용할 수 있는 노드와 엣지로 표현되는 그래프의 예시를 나타낸 도면이다.
도 3을 참조하면, 본 실시예에 따른 복수 무인비행체의 최적 경로 생성 방법(이하 간략히 '경로 생성 방법')은 경로 생성 장치가 사용자 입력을 수신하고(S300), 다각형 비행 영역의 경계선 정보를 추출하고(S310), 잔디 깎기 패턴의 기준선을 결정하고(S320), 경계선과 패턴 간의 교차점으로 경로점을 결정하고(S330), 경로점의 방문 순서를 결정하고(S340), 경로점 간의 거리 정보를 그래프화하고(S350), 그래프화된 거리 정보에 기초하여 최적화 문제를 설계하고 최적화 문제에 대한 최적해를 결정하는(S360) 일련의 과정을 포함할 수 있다.
경로 생성 방법의 각 단계를 좀더 구체적으로 설명하면, 사용자 입력 수신 단계(S300)에서는 영역 커버리지 임무를 수행할 다각형의 꼭지점 정보, 잔디 깎기 패턴 기반 궤적을 생성할 때 궤적 간의 간격, 임무에 참여할 무인비행체의 대수를 사용자 단말로부터 획득한다.
그리고 예를 들어 도 4에 도시한 바와 같이 꼭지점 정보는 사용자가 입력한 제1 위치 (0,0)에 위치한 제1 꼭지점(400), 제2 위치 (0,6)에 위치한 제2 꼭지점(401), 제3 위치 (1,6)에 위치한 제3 꼭지점(402), 제4 위치 (6,0)에 위치한 제4 꼭지점(403)에 의해 결정되는 영역(410)이 다각형으로 모사될 수 있다.
또한 도 5에 도시한 바와 같이 잔디 깎기 패턴을 기반으로 소정 영역(FA)에 대한 영역 커버리지 임무를 수행하기 위한 궤적(500)을 생성할 때, 사용자 입력으로부터 궤적 간의 간격(w1; w2)이 설정될 수 있다. 도 5의 (a)와 (b)는 각각 궤적 간의 간격(w1, w2)이 기재된 순서대로 1m와 2m로 설정된 경우에 예상되는 무인비행체의 비행 궤적을 보여준다.
다음, 경로 생성 장치는 도 3에 도시한 바와 같이 사용자 입력으로부터 얻은 다각형의 꼭지점 정보를 바탕으로 다각형의 경계(boundary)를 선분으로 가정하고 경계선 정보를 추출할 수 있다(S310).
본 단계(S310)에서는 예를 들어 도 6에 나타낸 바와 같이 도 4의 꼭지점들에 의해 결정된 다각형의 경우, 다각형의 경계선 정보를 4개의 제1 내지 제4 선분들(600,601,602,603)로 결정하고 이를 추출할 수 있다.
다음, 경로 생성 장치는 도 3에 도시한 바와 같이 결정된 선분들 중에서 가장 길이가 긴 선분을 잔디 깎기 패턴을 수행할 선분 중 하나로 간주하고 이를 기준선으로 결정할 수 있다(S320). 본 단계(S320)에서는 예를 들어 도 6에서 가장 길이를 가진 선분이 제3 선분(602)이므로 제3 선분(602)을 기준선으로 결정할 수 있다.
다음, 경로 생성 장치는 다각형의 경계선과 잔디 깎기 패턴을 수행할 선분들과의 교차점을 결정하고, 이 교차점을 경로점으로 설정할 수 있다(S330).
본 단계(S330)에서는 예를 들어 도 7에 나타낸 바와 같이 가장 길이가 긴 제3 선분(602)를 1m 간격으로 비행 영역에 배치했을 때 결정되는 10개의 교차점들(1 내지 10)을 확인하고, 이 교차점들을 무인비행체가 방문해야 하는 경로점으로 간주할 수 있다.
다음, 경로 생성 장치는 잔디 깎기 패턴을 기준으로 인접한 순서로 방문되어야 하는 경로점을 구분하여 무인비행체의 경로점 방문 순서를 결정할 수 있다(S340).
본 단계(S340)에서는 기선택된 경로점들이 서로 인접한 순서로 방문되도록 그 방문 순서를 결정할 때, 예를 들어 도 8에 다각형 영역(area)의 경계선 상의 동일 색상으로 표시된 경로점 쌍(pair of waypoints) {(1,2), (3,4), (6,5), (7,8), (9,10)}과 같이 경로점을 쌍으로 그룹지을 수 있다. 이 경우, 방문 순서는 그룹지어진 경로점 쌍을 기준으로 어떤 무인비행체가 1번 경로점을 방문하면 그 무인비행체는 그 다음에 2번 경로점을 방문해야 하는 것을 의미하고, 동일 혹은 다른 무인비행체가 6번 경로점을 방문하면 그 무인비행체는 그 다음에 5번 경로점을 방문해야 하는 것을 의미한다.
다음, 경로 생성 장치는 그룹지어진 경로점 쌍이나 방문 순서를 포함하는 경로점 정보를 거리 정보를 가진 2차원 행렬로 그래프화할 수 있다(S350).
2차원 행렬로 된 그래프는 도 9에 예시한 바와 같이 경로점에 해당하는 비행 경로 상의 인접한 두 노드들(nodes)(900, 901), 그리고 제1 노드(900)와 제2 노드(901) 사이를 연결하는 엣지(edge, 910)로 이루어질 수 있다.
이와 같이 경로점 정보를 그래프로 변환한 2차원 행렬은 정사각 행렬로 행과 열의 길이는 경로점의 개수와 같다. 그리고 2차원 행렬의 원소 (i,j)는 i번째 경로점에서 j번째 경로점의 거리에 해당한다.
본 실시예에서는 거리 상에서 인접한 경로점으로 비행하지 않고 경로점 쌍을 바탕으로 제1 경로점에서 멀리있는 제2 경로점으로 비행하면서 무인비행체들 간의 임무 수행 영역이 서로 겹치는 것을 방지하기 위해 경로점이 근처에 위치하는 않는 경우에는 거리 정보에 패널티(penalty)를 곱한다.
예를 들어 도 8을 다시 참조하면 1번 경로점과 2번 경로점 사이의 거리는 최단 직선 거리에 해당하는 약 7.8m로 7.8로서 2차원 행렬의 원소 (1,2)에 저장하지만, 1번 경로점과 4번 경로점 사이의 거리는 최단 직선 거리 약 7.0m로 7.0에 패널티 값을 곱한 것을 2차 행렬의 원소 (1,4)에 저장된다. 이때, 패널티는 임의의 상수로서 자연수 1보다 크다.
다음, 경로 생성 장치는 앞서 그래프화된 2차원 행렬에 기초하여 최적화 문제를 설계하고 최적화 문제의 최적해를 결정한다(도 3의 S360 참조).
최적화 문제는 N(임의의 자연수)대의 무인비행체와 임의의 두 경로점을 연결하는 M개의 엣지 사이에 최적 페어(pair)를 결정하는 것을 목표로 한다.
최적화 문제의 결정 변수(Vd)는 아래의 [수학식 1]과 같이 표현될 수 있다. 이 결정 변수(Vd)는 무인비행체 k가 경로점 i와 경로점 j를 연결하는 엣지에 할당되면 1로 설정되고, 해당 엣지에 할당되지 않으면 0으로 설정될 수 있다.
Figure pat00001
또한, 최적화 문제의 성능지수는 무인비행체의 최대 비행시간과 평균 비행시간의 합으로 나타낼 수 있고, 본 실시예에서는 아래의 [수학식 2]와 같이 경로 생성 장치가 최적화 문제의 설계에서 상기의 성능지수를 최소화(minimize)하도록 동작한다.
Figure pat00002
이때, [수학식 2]의 첫번째 항(s)은 최대 비행시간을 나타내기 위한 변수이며, 그 정의는 아래의 [수학식 3]과 같다.
Figure pat00003
위의 [수학식 2]에서 두번째 항은 평균 비행시간의 합을 나타내며, [수학식 2] 및 [수학식 3]에서 k는 k번째의 특정 무인비행체를, M은 엣지의 개수를, N은 무인비행체의 대수를, cij는 앞서 경로점 정보를 그래프로 변환한 2차원 행렬의 원소 (i,j)를, xk ij는 원소 (i,j)의 결정 변수를 각각 나타낸다. 그리고, 0에 해당하는 경로점은 무인비행체가 출발하는 위치를 의미한다.
또한 본 실시예에서의 최적화 문제 설계 및 최적해 결정 단계에서는 주어진 비행 영역을 빠짐없이 비행하되 무인비행체 간의 임무 수행 영역이 서로 겹치는 것을 방지한 안전하고 효율적인 경로를 생성하기 위해, 아래의 [수학식 4], [수학식 5], [수학식 6], [수학식 7], [수학식 8]과 같은 구속 조건을 고려한다.
Figure pat00004
[수학식 4]에서는 임무 시작점에 해당하는 0번째 경로점을 제외한 모든 경로점들이 반드시 한번씩만 무인비행체에 의해 방문되어야 하는 조건을 나타낸다.
Figure pat00005
[수학식 5]에서는, 무인비행체가 특정 경로점에 도착하면, 해당 경로점에서 출발하는 여정 혹은 경로도 있어야 함을 나타낸다.
Figure pat00006
[수학식 6]은 전형적인 여행 외판원 문제(travelling salesman problem)에서 서브 투어(subtour)를 방지하기 위한 구속조건이며, [수학식 6]에서 ui와 uj는 구속조건을 위해 도입된 보조 변수이다.
Figure pat00007
[수학식 7]은 모든 무인비행체가 반드시 영역 커버리지에 참여하게 강제하기 위한 구속조건이다.
Figure pat00008
[수학식 8]은 잔디 깎기 패턴을 생성하기 위해 서로 인접한 순서로 방문되어야 하는 경로점들 간에 방문 순서를 제한하기 위한 구속조건이다.
전술한 구속조건들을 적용하면, 경로 생성 장치는 복수 무인비행체가 임의의 다각형으로 주어진 비행 영역을 최단 시간으로 안전하게 비행할 수 있는 경로를 생성할 수 있다.
도 10a 내지 도 10c는 도 3의 방법에서 최적화 문제 설계 및 최적해 결정에 따른 최적 경로 생성 결과를 구체적으로 설명하기 위한 예시도이다.
도 10a를 참조하면, 1대의 무인비행체를 위한 최적 경로가 임무 영역(area)에 대해 생성된 결과를 볼 수 있다. 무인비행체(agent 1)는 시작점(depot)에 해당하는 0번 경로점에서 출발하여 다른 경로점에 해당하는 노드들(nodes)을 1번, 2번, 4번, 3번, 5번, 6번, 8번, 7번, 9번, 10번의 기재된 순으로 비행한 후 다시 0번 경로점으로 돌아온다.
다음으로 도 10b를 참조하면, 본 실시예의 경로 생성 방법에 따라 2대의 무인비행체를 위한 최적 경로가 생성된 결과를 볼 수 있다. 즉, 첫번째 무인비행체(agent 1)는 0번, 5번, 6번, 8번, 7번, 9번, 10번, 0번의 경로점들을 기재된 순서대로 비행하고, 두번째 무인비행체(agent 2)는 0번, 1번, 2번, 4번, 3번, 0번의 경로점들을 기재된 순서대로 비행한다.
다음으로, 도 10c를 참조하면, 본 실시예의 경로 생성 방법에 따라 3대의 무인비행체를 위한 최적 경로가 생성된 결과를 볼 수 있다. 즉, 첫번째 무인비행체(agent 1)는 0번, 7번, 8번, 10번, 9번, 0번의 경로점들을 기재된 순서대로 비행하고, 두번째 무인비행체(agent 2)는 0번, 3번, 4번, 6번, 5번, 0번의 경로점들을 기재된 순서대로 비행하고, 세번째 무인비행체(agent 3)는 0번, 1번, 2번, 0번의 경로점들을 기재된 순서대로 비행한다.
본 실시예에 의하면, 경로 생성 장치는 사람이 입력하는 비행 경로보다 비행 시간을 단축시킬 수 있는 비행 경로로서 복수 무인비행체가 임의의 다각형으로 주어진 비행 영역을 최단 시간으로 안전하게 비행할 수 있는 경로를 자동 생성할 수 있다.
한편, 본 실시예에 따른 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수 있다.
예를 들어, 복수 무인비행체의 최적 경로 생성 방법은 제1 소프트웨어 모듈에 의해 사용자 단말로부터 복수 무인비행체를 활용한 영역 커버리지 임무를 수행하기 위한 사용자 입력을 받고, 제2 소프트웨어 모듈에 의해 사용자 입력에 포함된 정보를 바탕으로 기하학적 경로점 리스트를 산출하고, 제3 소프트웨어 모듈에 의해 경로점 리스트를 그래프화하고, 제4 소프트웨어 모듈에 의해 최단 비행 시간으로 임무를 수행하고 안전한 비행 경로 생성을 위한 최적화 문제를 설계하고 최적화 문제에 대한 최적해를 결정하도록 구현될 수 있다. 제1 내지 제4 소프트웨어 모듈은 경로 생성 장치의 임무 계획 유닛에 탑재될 수 있다.
컴퓨터 판독 가능 매체의 예에는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (16)

  1. 복수 무인비행체가 다각형으로 주어진 비행 영역을 비행하게 하기 위한 최적 경로를 생성하는 방법으로서,
    영역 커버리지 임무를 수행하기 위한 사용자 입력을 수신하는 단계;
    상기 사용자 입력에 포함된 꼭지점 정보로부터 다각형 영역과 다각형의 경계선 정보를 산출하는 단계;
    상기 다각형의 경계선 중에서 잔디 깎기 패턴의 기준선을 결정하는 단계;
    상기 다각형의 경계선과 잔디 깎기 패턴의 교차점을 경로점들로 결정하는 단계;
    상기 다각형 영역에 적용할 잔디 깎기 패턴을 위해 특정 경로점의 방문 순서를 제한하는 단계;
    상기 경로점들 간의 거리 정보를 그래프화하는 단계; 및
    상기 다각형 영역에 대한 복수 무인비행체의 다중 비행 경로를 결정하는 단계;를 포함하는 복수 무인비행체의 최적 경로 생성 방법.
  2. 청구항 1에 있어서,
    상기 기준선을 결정하는 단계는 상기 경계선 중 가장 긴 선분을 기준선으로 결정하는, 복수 무인비행체의 최적 경로 생성 방법.
  3. 청구항 1에 있어서,
    상기 방문 순서를 제한하는 단계는, 상기 잔디 깎기 패턴을 기준으로 상기 경로점들에 대한 경로점 쌍을 생성하는 것을 포함하는, 복수 무인비행체의 최적 경로 생성 방법.
  4. 청구항 1에 있어서,
    상기 그래프화하는 단계는 상기 거리 정보를 포함하는 경로점 정보를 2차원 행렬로 나타내는 것을 포함하고, 상기 2차원 행렬의 원소 (i, j)는 i번째 경로점에서 j번째 경로점 간의 거리를 나타내는, 복수 무인비행체의 최적 경로 생성 방법.
  5. 청구항 4에 있어서,
    상기 그래프화하는 단계는, 2차원 행렬의 원소가 최단 직선 거리에 해당하지 않거나 비행 경로를 기준으로 경로점들이 서로 근처에 위치하지 않는 경우는 2차원 행렬의 해당 원소의 거리 정보에 패널티를 곱하며, 상기 패널티는 1보다 큰 임의의 상수인, 복수 무인비행체의 최적 경로 생성 방법.
  6. 청구항 1에 있어서,
    상기 다중 비행 경로의 설계는 N대의 무인비행체와 임의의 두 경로점을 연결하는 M개의 엣지 사이에 최적 페어(pair)를 결정하는 것을 포함하는, 복수 무인비행체의 최적 경로 생성 방법.
  7. 청구항 6에 있어서,
    상기 다중 비행 경로의 설계를 위한 결정 변수는 무인비행체가 최적 페어 상의 두 경로점을 연결하는 엣지에 할당되면 1의 값을 갖고, 상기 두 경로점을 연결하는 엣지에 할당되지 않으면 0의 값을 갖는, 복수 무인비행체의 최적 경로 생성 방법.
  8. 청구항 7에 있어서,
    상기 다중 비행 경로의 설계에 대한 성능지수는 최대 비행시간과 평균 비행시간의 합이며, 상기 다중 비행 경로의 설계는 상기 성능지수를 최소화하는 것인, 복수 무인비행체의 최적 경로 생성 방법.
  9. 청구항 6에 있어서,
    상기 다중 비행 경로의 설계에 대한 제1 구속조건은 임무 시작점에 해당하는 경로점을 제외한 비행 영역 상의 모든 경로점들을 상기 N대의 무인비행체에 의해 한번만 방문되는 조건인, 복수 무인비행체의 최적 경로 생성 방법.
  10. 청구항 9에 있어서,
    상기 다중 비행 경로의 설계에 대한 제2 구속조건은 무인비행체가 특정 경로점에 도착하면 해당 경로점에서 출발하는 여정이 있어야 하는 조건인, 복수 무인비행체의 최적 경로 생성 방법.
  11. 청구항 10에 있어서,
    상기 다중 비행 경로의 설계에 대한 제3 구속조건은 특정 경로점 쌍에 대한 두 개의 보조 변수를 더하여 여행 외판원 문제(travelling salesman problem)에서 서브 투어(subtour)를 방지하는 조건인, 복수 무인비행체의 최적 경로 생성 방법.
  12. 청구항 11에 있어서,
    상기 다중 비행 경로의 설계에 대한 제4 구속조건은 상기 N대의 무인비행체 모두의 영역 커버리지에 대한 참여를 강제하는 조건인, 복수 무인비행체의 최적 경로 생성 방법.
  13. 청구항 12에 있어서,
    상기 다중 비행 경로의 설계에 대한 제5 구속조건은 상기 N대의 무인비행체 각각에 대하여 잔디 깎기 패턴을 생성하기 위해 경로점 쌍에 따른 비행 경로를 기준으로 서로 인접한 순서로 방문해야 하는 경로점들 간의 방문 순서를 제한하는 조건인, 복수 무인비행체의 최적 경로 생성 방법.
  14. 사용자 단말로부터 복수 무인비행체를 활용한 영역 커버리지 임무를 수행하기 위한 사용자 입력을 받는 단계;
    상기 사용자 입력에 포함된 다각형 영역을 위한 꼭지점 정보를 바탕으로 기하학적 경로점 리스트를 산출하는 단계;
    상기 경로점 리스트를 그래프화하는 단계; 및
    상기 최단 비행 시간으로 임무를 수행하고 안전한 비행 경로 생성을 위한 최적화 문제를 설계하고 상기 최적화 문제에 대한 최적해를 결정하는 단계;
    를 포함하는 복수 무인비행체의 최적 경로 생성 방법.
  15. 청구항 14에 있어서,
    상기 기하학적 경로점 리스트를 산출하는 단계는 상기 다각형 영역의 경계선들 중 가장 긴 선분을 잔디 깎기 패턴의 기준선으로 결정하고, 상기 경계선들과 잔디 깎기 패턴의 교차점을 경로점으로 결정하고, 상기 경로점들을 상기 기준점을 토대로 경로점 쌍으로 형성하는 일련의 과정을 포함하는, 복수 무인비행체의 최적 경로 생성 방법.
  16. 청구항 14에 있어서,
    상기 그래프화하는 단계는 상기 거리 정보를 포함하는 경로점 정보를 2차원 행렬로 나타내는 것을 포함하고, 상기 2차원 행렬의 원소 (i, j)는 i번째 경로점에서 j번째 경로점 간의 거리를 나타내고, 상기 2차원 행렬의 원소가 최단 직선 거리에 해당하지 않거나 비행 경로를 기준으로 경로점들이 서로 근처에 위치하지 않는 경우는 2차원 행렬의 해당 원소의 거리 정보에 패널티를 곱하며, 여기서 상기 패널티는 1보다 큰 임의의 상수인, 복수 무인비행체의 최적 경로 생성 방법.
KR1020200148759A 2020-11-09 2020-11-09 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법 KR20220062964A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200148759A KR20220062964A (ko) 2020-11-09 2020-11-09 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200148759A KR20220062964A (ko) 2020-11-09 2020-11-09 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법

Publications (1)

Publication Number Publication Date
KR20220062964A true KR20220062964A (ko) 2022-05-17

Family

ID=81803522

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200148759A KR20220062964A (ko) 2020-11-09 2020-11-09 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법

Country Status (1)

Country Link
KR (1) KR20220062964A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860292A (zh) * 2022-11-21 2023-03-28 武汉坤达安信息安全技术有限公司 基于渔政监控的无人机最优规划路径方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860292A (zh) * 2022-11-21 2023-03-28 武汉坤达安信息安全技术有限公司 基于渔政监控的无人机最优规划路径方法及装置
CN115860292B (zh) * 2022-11-21 2023-08-04 武汉坤达安信息安全技术有限公司 基于渔政监控的无人机最优规划路径方法及装置

Similar Documents

Publication Publication Date Title
Arbanas et al. Decentralized planning and control for UAV–UGV cooperative teams
Bircher et al. Receding horizon path planning for 3D exploration and surface inspection
Nuske et al. Autonomous exploration and motion planning for an unmanned aerial vehicle navigating rivers
Barrientos et al. Aerial remote sensing in agriculture: A practical approach to area coverage and path planning for fleets of mini aerial robots
Oleynikova et al. An open‐source system for vision‐based micro‐aerial vehicle mapping, planning, and flight in cluttered environments
Ergezer et al. Path planning for UAVs for maximum information collection
Achtelik et al. Motion‐and uncertainty‐aware path planning for micro aerial vehicles
Raja et al. PFIN: An efficient particle filter-based indoor navigation framework for UAVs
Tordesillas et al. Real-time planning with multi-fidelity models for agile flights in unknown environments
Chakrabarty et al. Real-time path planning for multi-copters flying in UTM-TCL4
Mousavi et al. LTV-MPC based path planning of an autonomous vehicle via convex optimization
CA2969552A1 (en) Method and apparatus for developing a flight path
Sanchez-Lopez et al. A system for the design and development of vision-based multi-robot quadrotor swarms
Suzuki Recent researches on innovative drone technologies in robotics field
Neto et al. Multi-agent rapidly-exploring pseudo-random tree
Santos et al. Navigation stack for robots working in steep slope vineyard
Kang et al. Development and flight test evaluations of an autonomous obstacle avoidance system for a rotary-wing UAV
Kiam et al. An ai-based planning framework for HAPS in a time-varying environment
de Freitas et al. Design, implementation and validation of a multipurpose localization service for cooperative multi-uav systems
Rocha et al. Plannie: A benchmark framework for autonomous robots path planning algorithms integrated to simulated and real environments
Ali et al. Feature selection-based decision model for UAV path planning on rough terrains
KR20220062964A (ko) 다각형 비행 영역에 대한 복수 무인비행체의 최적 경로 생성 방법
Jung et al. Enabling operational autonomy for unmanned aerial vehicles with scalability
de-Dios et al. GRVC-CATEC: Aerial robot co-worker in plant servicing (ARCOW)
Wang et al. Altitude control for an indoor blimp robot