Enhanced Trust Region Sequential Convex Optimization for Multi-Drone Thermal Screening Trajectory Planning in Urban Environments

要約

特に感染症の発生中に、公衆衛生のリスクを管理するためには、都市部の人口における異常な体温の迅速な検出が不可欠です。
マルチドローン熱スクリーニングシステムは、高速、大規模、および非侵入的な人類の監視に有望なソリューションを提供します。
ただし、複雑な都市環境における複数のドローンの軌跡計画は、衝突回避、カバレッジ効率、制約された飛行環境など、重大な課題をもたらします。
この研究では、熱スクリーニングタスクを実行する複数のドローンの最適な軌跡計画のための、強化された信頼領域列凸最適化（TR-SCO）アルゴリズムを提案します。
改良されたアルゴリズムは、信頼地域のフレームワーク内で洗練された凸最適化定式化を統合し、軌跡の滑らかさ、障害物の回避、高度の制約、最大スクリーニングカバレッジのバランスを効果的にバランスさせます。
シミュレーション結果は、このアプローチが、従来の凸最適化方法と比較して、軌道の最適性と計算効率を大幅に改善することを示しています。
この研究は、都市部でのリアルタイムサーマルスクリーニングのために効率的なマルチドローンシステムを展開するための重要な洞察と実用的な貢献を提供します。
私たちの研究に興味がある読者のために、https://github.com/cherry0302/enhanced-tr-scoでソースコードをリリースします。

要約(オリジナル)

The rapid detection of abnormal body temperatures in urban populations is essential for managing public health risks, especially during outbreaks of infectious diseases. Multi-drone thermal screening systems offer promising solutions for fast, large-scale, and non-intrusive human temperature monitoring. However, trajectory planning for multiple drones in complex urban environments poses significant challenges, including collision avoidance, coverage efficiency, and constrained flight environments. In this study, we propose an enhanced trust region sequential convex optimization (TR-SCO) algorithm for optimal trajectory planning of multiple drones performing thermal screening tasks. Our improved algorithm integrates a refined convex optimization formulation within a trust region framework, effectively balancing trajectory smoothness, obstacle avoidance, altitude constraints, and maximum screening coverage. Simulation results demonstrate that our approach significantly improves trajectory optimality and computational efficiency compared to conventional convex optimization methods. This research provides critical insights and practical contributions toward deploying efficient multi-drone systems for real-time thermal screening in urban areas. For reader who are interested in our research, we release our source code at https://github.com/Cherry0302/Enhanced-TR-SCO.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google