توسعه روشی برای بررسی الگوریتم‌های تعیین موقعیت ربات پرنده با استفاده از سیستم ناوبری اینرشیا و عوارض نقطه‌ای و خطی تصاویر

با پیشرفت روز افزون فناوری، ربات‌های پرنده در بسیاری از کاربردها مانند نقشه برداری، بازرسی و ایمنی، حمل کالا و عملیات‌های نظامی مورد استفاده قرار می‌گیرند. جهت ناوبری این پرنده‌ها نیاز اساسی به عملیات تعیین موقعیت به صورت آنی وجود دارد. در محیط‌های خارج از ساختمان این کار اغلب با استفاده از سیستم‌های تعیین موقعیت ماهواره‌ای انجام می‌شود. اما در محیط‌های داخل ساختمان امواج سیستم‌های تعیین موقعیت ماهواره‌ای قابل دریافت نیستند. بنابراین جهت ناوبری ربات‌های پرنده در داخل ساختمان باید از سایر روش‌های تعیین موقعیت مانند استفاده از دوربین‌های تصویربرداری بهره جست. همچنین امکان استفاده از داده‌های حسگرهای اینرشیا به عنوان مکمل داده‌های تصویری وجود دارد. در فضای داخلی به علت کمبود بافت و مشکلات مربوط به روشنایی، می‌توان علاوه بر عوارض‌ نقطه‌ای تصویر از عوارض خطوط تصویری نیز استفاده کرد. با توجه به مطالب ذکر شده، محققان الگوریتم‌های بسیاری جهت تعیین موقعیت ربات‌های پرنده ارائه داده‌اند. اما برای مقایسه این الگوریتم‌ها صرفا به بررسی خطای کلی تعیین موقعیت و زمان اجرای الگوریتم بسنده شده و تحلیل و بررسی در مورد دلایل افزایش یا کاهش دقت هندسی یا علت شکست خوردن الگوریتم‌ها در محیط‌های پر چالش، کمتر مورد توجه قرار گرفته است. در این پژوهش عملیات تعیین موقعیت پهپاد euroc با استفاده از تکنیک‌های منتخب، یعنی الگوریتم‌های pl-svo و orb-slam 2 و vins fusion انجام گرفته و نتایج آنها تحلیل و مقایسه شده است. همچنین دلایل موفقیت یا عدم موفقیت الگوریتم‌ها در عملیات تعیین موقعیت ربات در شرایط مختلف با استناد به اطلاعات فیزیکی ربات و خواص رادیومتریکی تصاویر بیان می‌گردد. در بین الگوریتم‌های ذکر شده، vins fusion با میزان rmse کمتر از یک متر برای دو مورد از تست‌ها و حدود 1/2 متر برای تست دیگر بالاترین دقت را به خود اختصاص داده است. همچنین الگوریتم‌ orb-slam 2 نیز در بخش‌هایی از پرواز که موفق به تخمین موقعیت ربات پرنده شده، rmse کمتر از یک متر دارد.

development of a method for investigating flying robot positioning algorithms using inertia navigation system and point and linear features of images

with the advancement of technology, flying robots are used in many applications such as mapping, inspection and safety, transportation of goods and military operations. in order to navigate these drones, there is an urge for real-time positioning. in outdoor environments, this is often done using satellite positioning systems. but in indoor environments, gnss are not operational. therefore, in order to navigate flying robots inside built environments, other positioning methods should be implemented, such as the use of video cameras. it is also possible to use the data of the inertia sensor as a complement to image data. in interior area, due to the lack of texture and lighting problems, in addition to the effects of image points, the effects of image lines can also be used. based on the above, researchers have proposed many algorithms to determine the position of flying robots. however, in order to compare these algorithms, it is sufficient to examine the general error of determining the position and time of implementation of the algorithm and to analyze the reasons for increasing or decreasing the geometric accuracy or the reason for the failure of algorithms in challenging environments. in this research, the positioning of euroc drones is performed using selected techniques, namely pl-svo, orb-slam 2 and vins fusion algorithms, and their results have been analyzed and compared. also, the reasons for the success or failure of algorithms in robot positioning operations in different conditions are stated by referring to the robot physical information and radiometric properties of images. among the mentioned algorithms, vins fusion with rmse of less than one meter for the two tests and about 1.2 meters for the other test has the highest accuracy. also, the orb-slam 2 algorithm has an rmse of less than one meter in the parts of the flight that have succeeded in estimating the position of the flying robot.