Navigation

Inhalt Hotkeys
Prozessautomatisierung
Flugrobotik

Flugroboter (Micro Aerial Vehicle - MAV)

An der Professur für Prozessautomatisierung beschäftigen wir uns schon seit über 15 Jahren mit autonomen mobilen Systemen. Seit Ende 2007 begannen wir uns neben Bodenrobotern und einem Luftschiff auch mit multirotor Flugsystemen zu beschäftigen. Die Firma Ascending Technologies war zu dieser Zeit eine der ersten Firmen, die Quadrocopter speziell für den Forschungsbereich anbot. Drei Quadrocopter des Typs Hummingbird wurden damals angeschafft, um speziell im Gebiet der autonomen indoor- bzw. GPS-losen Navigation zu forschen. Dabei liegt unser Anspruch auf dem Verzicht globaler, externer Positionssensorik, wie sie bspw. ein Motion Capture System bietet.

Aktuell arbeiten wir mit zwei verschiedenen QuadroCopter Typen der Firma AscTec, die wir entsprechend mit verschiedener zusätzlicher Sensorik ausgestattet haben. Wir sind mit drei der kleineren QuadroCopter Versionen vom Typ Humminbird ausgestattet und besitzen einen QuadroCopter vom Typ Pelican. Beide Systeme werden in der Forschung eingesetzt und stehen interessierten Studenten für Abschlussarbeiten zur Verfügung.

Neben den oben angesprochenen Systemen, welche speziell für Forschungszwecke entwickelt wurden, arbeiten wir auch mit den typischen Consumer-Modellen des Typs AR.Drone.

Themen

Gesamtsystem in der Simulation
Vor kurzem haben wir erfolgreich im ersten Teil der European Robotics Challenges (EuRoC) teilgenommen. Im Rahmen des Wettbewerbs, haben wir Sensordatenfusions-, Lokalisierungs-, Mapping- und Planungslösungen für ein simuliertes Multikopter-Flugsystem realisiert.
Faktorgraph-basierte Sensordatenfusion
Die Sensordatenfusion stellt die Grundlage der autonomen Navigation auf einem mobilen Roboter dar. Mehrere Sensoren müssen basierend auf deren Zuverlässigkeit kombiniert und zu einer Zustandsschätzung des Systems zusammengefasst werden. Die typischen Filter-basierten Lösungen (z.B. Extended Kalman Filter - EKF) haben verschiedene Nachteile, bspw. im Umgang mit verzögerten Messungen oder starken Nichtlinearitäten. Wir haben unsere Statusschätzung auf einem neuen Ansatz, der faktorgrap-basierten Sensordatenfusion aufgebaut.
Systemidentifikation, Filter- und Reglerentwurf
Systemidentifikation, Filter- und Reglerentwurf sind typische Herausforderungen beim Arbeiten mit fliegenden Systemen. Daher haben wir ein System entwickelt, um diese Aufgaben mit einfachen Mitteln möglichst schnell und effektiv lösen zu können. Dazu verfolgten wir den Aufbau eines Tracking Systems, welches eine Schnittstelle zu ROS und im Weiteren zu Matlab Simulink anbietet. ... [weiter zur Detailseite]
Autonomes Fliegen mit RGB-D-Kamera
Die Markteinführung von Microsofts RGB-D-Sensor Kinect ermöglichte vielfältige neue Anwendungen in der Robotik, welche zuvor nur mit teurer Sensorik möglich waren. Wir nutzten die neuen Möglichkeiten um einen autonomen Korridorflug zu realisieren. ... [weiter zur Detailseite]
Optischer Fluss
Auf unseren Quadrocoptern kann ein Sensor vom Typ ADNS-3080 die Rolle eines Geschwindigkeitsmessers, übernehmen, wenn kein GPS-Signal verfügbar ist. Dies tritt zum Beispiel innerhalb von Gebäuden oder auch teilweise im Außenbereich auf. Dieser Sensor, ... [weiter zur Detailseite]
Autonomes Landen
In Gebieten mit schlechtem oder keinem GPS-Empfang kann ein punktgenaues Landen von großem Interesse sein. Wir haben ein einfaches visuelles System entwickelt, um dies zu realisieren. Basierend auf einem vordefiniertem Landepad liefert eine Bildverarbeitung an-board eines Quadrocopters Relativmessungen. Eine anschließende Regelung realisiert den genauen Anflug und Abstieg des Fluggerätes ... [weiter zur Detailseite]