Resolución de tareas con drones en simuladores
Resumen
En este trabajo se presentan soluciones a varias de las pruebas incluidas en las competiciones para drones, en particular se consideran las pruebas que se tienen en el Torneo Mexicano de Robótica de la Federación Mexicana de Robótica en la categoría virtual de drones. Es en este contexto que en este trabajo se muestra el desarrollo de varias aplicaciones de tipo académico que se han venido incluyendo dichas competiciones a nivel nacional. Así, las pruebas incluidas en este trabajo son: vuelo sobre punto específicos de una ruta, reconstrucción 3D de objetos en el entorno, vuelo entre ventanas y vuelo en formación. Para resolver estas pruebas se deben utilizar técnicas de visión artificial, localización y mapeo simultáneos, control tradicional, reconstrucción 3D, planificación de rutas y aprendizaje de máquina. Todas ellas se han estado trabajando de manera virtual en distintos simuladores como Gazebo y AirSim bajo ROS.
Descargas
Citas
Ardupilot (2022). Ardupilot - versatile, trusted, open. https://ardupilot.org/. [Fecha de acceso: 2022-03-20].
Chen, L., Tang, W., John, N. W., Wan, T. R., and Zhang, J. J. (2018). Slambased dense surface reconstruction in monocular minimally invasive surgery and its application to augmented reality. Computer Methods and Programs in Biomedicine, 158:135–146.
EpicGames (2022). The world’s most open and advanced real-time 3d creation tool. https://www.unrealengine.com/en-US/. [Fecha de acceso: 2022-03-20].
FIRA (2022). Fira air. https://firaworldcup.org/category/leagues/fira-air/. Fecha de acceso: 2022-03-20.
Gazebo (2022). Gazebo documentation. https://gazebosim.org/docs. Fecha de acceso: 2022-03-20.
IMAV (2022). International micro air vehicles, conferences and competitions. http://www.imavs.org/. Fecha de acceso: 2022-03-20.
Johannes Meyer, S. K. (2022). Hector quadrotor. https://github.com/RAFALAMAO/hector-quadrotor-noetic.
Kazhdan, M. M. and Hoppe, H. (2013). Screened poisson surface reconstruction. ACM Trans. Graph., 32(3):29:1–29:13.
Meyer, J., Sendobry, A., Kohlbrecher, S., Klingauf, U., and Stryk, O. v. (2012). Comprehensive simulation of quadrotor uavs using ros and gazebo. In International conference on simulation, modeling, and programming for autonomous robots, pages 400–411. Springer.
MicrosoftResearch (2022). Welcome to airsim. https://microsoft.github.io/AirSim/. Fecha de acceso: 2022-03-20.
Mur-Artal, R., Montiel, J. M. M., and Tardos, J. D. (2015). Orb-slam: a versatile and accurate monocular slam system. IEEE transactions on robotics, 31(5):1147–1163.
Orozco-Soto, S. M., Ibarra-Zannatha, J. M., Malo-Tamayo, A. J., and Cureño-Ramírez, A. (2018). Active disturbance rejection control for uav hover using ros. In 2018 XX Congreso Mexicano de Robótica (COMRob), pages 1–5.
IEEE.
Parrot (2022). What is parrot sphinx. https://developer.parrot.com/docs/sphinx/. Fecha de acceso: 2022-05-01.
PASCAL2 (2022). The pascal visual object classes homepage. http://host.robots.ox.ac.uk/pascal/VOC/. Fecha de acceso: 2022-03-20.
PX4 (2022). Open source autopilot for drone developers. https://px4.io/. Fecha de acceso: 2022-03-20.
Tagliasacchi, A., Delame, T., Spagnuolo, M., Amenta, N., and Telea, A. (2016). 3d skeletons: A state-of-the-art report. In Computer Graphics Forum, volume 35, pages 573–597. Wiley Online Library.
Tan, M., Pang, R., and Le, Q. V. (2019). Efficientdet: Scalable and efficient object detection. CoRR, abs/1911.09070.
TMR (2022). Drones aut ́onomos. https://www.femexrobotica.org/tmr2021/portfolio-item/drones-autonomos. Fecha de acceso: 2022-03-20.
Zhang, M., Qin, H., Lan, M., Lin, J., Wang, S., Liu, K., Lin, F., and Chen, B. M. (2015). A high fidelity simulator for a quadrotor uav using ros and gazebo. In IECON 2015-41st Annual Conference of the IEEE Industrial Electronics Society, pages 02846–002851. IEEE