Planning of Swarm Deployment for Autonomous Surveillance

V předložené práci studujeme nasazení roje složeného z bezpilotních helikoptér v úloze autonomního dohledu. Úloha spočívá v nalezení trajektorie do zadaných oblastí zájmu a v optimalizaci rozmístění roje nad oblastí zájmu za účelem pokrytí její co největší možné části, které umožňuje počet jedinců roje. Kvalita pokrytí oblasti zájmu je reprezentována navrženou hodnotící funkcí, založenou na diskretizaci konfiguračního prostoru. Metoda založená na takzvaných rychle rostoucích náhodných stromech (RRT) je vyvinuta za účelem nalezení trajektorie s omezeními danými překážkami a pravidly roje. Optimalizace cílového rozmístění je realizována algoritmem optimalizace roje částic (PSO), dále je prozkoumána možnost použít RRT jako optimalizační metodu. Výsledky všech navržených metod jsou analyzovány a experimentálně porovnány s referenční PSO metodou.In the presented work we study deployment of a swarm consisting of Unmanned Aerial Vehicles (UAVs) in the task of autonomous surveillance. The task consists of finding a trajectory to specified Areas of Interest (AoI) and optimizing the swarm distribution over them to cover the largest possible part of AoI allowed by the number of swarm individuals. The quality of AoI coverage is represented by a proposed cost function based on configuration space discretization. A method based of Rapidly-exploring Random Trees is developed to find a trajectory under constraints consisting of obstacles and swarm rules. The optimization of the final position is realized by Particle Swarm Optimization (PSO) algorithm, furthermore the possibility to use RRT as an optimization method is explored. Results of all proposed methods are analyzed and experimentally compared to a reference PSO-based method