Dronument: System for Reliable Deployment of Micro Aerial Vehicles in Dark Areas of Large Historical Monuments

要約

本書では、グローバルナビゲーションシステムを利用できず、照明条件が限られている環境において、自律型飛行体を堅牢に展開するための自己完結型システムを紹介する。提案するシステムは、大規模な歴史的建造物の暗所での記録用に調整されたもので、マルチモーダルな軽量センサーを備えたユニークで信頼性の高い空中プラットフォームを使用し、特に地上から高い位置にある、照明条件が悪い人里離れたエリアでデータを取得します。導入されたローカライゼーション手法は、歴史的建造物の3次元点群を容易に取得できるようにする一方、アクティブなレーザーベースのセンサーを融合させることで可視光の不足に対処しています。本手法は、外部からのローカライズや、あらかじめ設定されたモーションキャプチャシステムに依存することなく行うことができます。これにより、調査対象建造物の内部への迅速な展開が可能になるとともに、通常の処理リソースを備えたMAVに搭載してオンラインでデータを処理するのに十分な計算量を確保することができます。 また、本システムの信頼性を分析し、現実の教会内部で実行された一連の空中軌道で定量的に評価し、位置制御フィードバックループで空中プラットフォーム上に展開し、歴史的建造物の記録という安全性が重要なアプリケーションにおける本システムの信頼性を実証している。

要約(オリジナル)

This letter presents a self-contained system for robust deployment of autonomous aerial vehicles in environments without access to global navigation systems and with limited lighting conditions. The proposed system, application-tailored for documentation in dark areas of large historical monuments, uses a unique and reliable aerial platform with a multi-modal lightweight sensory setup to acquire data in human-restricted areas with adverse lighting conditions, especially in areas that are high above the ground. The introduced localization method relies on an easy-to-obtain 3-D point cloud of a historical building, while it copes with a lack of visible light by fusing active laser-based sensors. The approach does not rely on any external localization, or on a preset motion-capture system. This enables fast deployment in the interiors of investigated structures while being computationally undemanding enough to process data online, onboard an MAV equipped with ordinary processing resources. The reliability of the system is analyzed, is quantitatively evaluated on a set of aerial trajectories performed inside a real-world church, and is deployed onto the aerial platform in the position control feedback loop to demonstrate the reliability of the system in the safety-critical application of historical monuments documentation.

arxiv情報

著者 Pavel Petracek,Vit Kratky,Martin Saska
発行日 2023-03-06 09:06:53+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.RO, cs.SY, eess.SY パーマリンク