Planification du mouvement 3D en temps réel de drones autonomes dans des environnements dynamiques inconnus

Drones are used in increasingly complex environments, which leads them to fly autonomously without human supervision. In this context, a number of challenges must be addressed. The first is that of perception. The drone must have an important observation of its environment to be able to move efficiently. It must have an important observation of its environment to be able to move efficiently. It must then use this information to move safely. While ensuring that the commands generated are feasible by the robot. Due to their small size, the embedded computing power is quite low. This reduces the complexity of the usable algorithms. Moreover, GPS localization is not always possible. It is therefore necessary to have a localization based on perception, which increases the computational load. This manuscript deals with the problem of trajectory planning of UAVs in dynamic 3-dimensional environments. The results consist in the generation of a safe 3D trajectory, incorporating dynamic constraints to ensure its feasibility by the UAV through a controller. The main contributions are: - Use of the complete 3D information of the environment for the generation of trajectories. - Prediction of obstacle displacement and its consideration in the avoidance algorithm. - Obstacle avoidance based on geometry, dynamic capabilities of the UAV and variability of the environment. - Continuity of control: the beginning of a new trajectory respects the real state of the UAV and the new trajectory depends on the previous one. - Code embeddability, computation time constraints respected with respect to the flight. Using the local perception of the drone as well as its dynamics and that of the environment, Bézier curves are used as trajectory. In a completely autonomous way, an optimization under various constraints is carried out to find the best curve at each moment. This curve respects the dynamics of the drone and its real state at each time while being a safe path. The use of the real state of the UAV and old curves ensures the continuity between two successive curves. By building the trajectory, the speed and acceleration profiles are also impacted by the optimization. Finally, the addition of the curve ensures a smooth and feasible trajectory for the drone.In addition to a safe distance to obstacles, a speed cone is used to improve avoidance by constraining the trajectory optimization. Each obstacle has a velocity property. Three types of controllers are presented to track the generated curves. Simulation results show statistically the efficiency of the developed approach in different realistic environments. The impact of different parameters on the resulting trajectories is also studied. Finally, different real tests are performed to validate the computational load and the feasibility of the system on an embedded computer.Les drones sont utilisés dans des environnements de plus en plus complexes, ce qui les amène à devoir voler sans supervision humaine, de manière autonome. Dans cette problématique, un certain nombre de challenges doivent être adressés. Le premier est celui de la perception. Le drone doit avoir une observation importante de son environnement pour pouvoir s’y déplacer efficacement. Il faut ensuite utiliser ces informations pour se mouvoir en toute sécurité. Tout en s’assurant que les commandes générées soient réalisables par le robot. De par leur petite taille, la puissance de calcul embarquée est assez faible. Ceci réduit la complexité des algorithmes utilisables. De plus, des localisations par système GPS ne sont pas toujours possibles. Il devient donc nécessaire de disposer d’une localisation basée sur sa perception, ce qui augmente la charge de calcul. Ce manuscrit traite du problème de planification de trajectoire de drones dans des environnements dynamiques en 3 dimensions. Les résultats consistent en la génération d’une trajectoire 3D sûre, intégrant des contraintes dynamiques pour assurer la faisabilité de celle-ci par le drone grâce à un contrôleur. Les principales contributions sont : — Utilisation de l’information 3D complète de l’environnement pour la génération de trajectoires. — Prédiction du déplacement des obstacles et prise en compte dans l’algorithme d’évitement. — Évitement d’obstacles basé sur la géométrie, sur les capacités dynamiques du drone et de la variabilité de l’environnement. — Continuité de la commande : le début d’une nouvelle trajectoire respecte l’état réel du drone et la nouvelle trajectoire dépend de la précédente. — Embarquabilité du code, contraintes de temps de calcul respectées vis-à-vis du vol. En utilisant la perception locale du drone ainsi que sa dynamique et celle de l’environnement, des courbes de Bézier sont utilisées comme trajectoire. De manière complètement autonome, une optimisation sous différentes contraintes est réalisée pour trouver à chaque instant la meilleure courbe. Cette courbe respecte la dynamique du drone et son état réel à chaque instant tout en étant un chemin sûr. L’utilisation de l’état réel du drone et d’anciennes courbes assure la continuité entre deux courbes successives. Par construction de la trajectoire, les profils de vitesse et d’accélération sont aussi impactés par l’optimisation. Enfin, l’ajout de la courbe assure une trajectoire lisse et faisable par le drone. En plus d’une distance de sécurité aux obstacles, un cône de vitesse est utilisé pour améliorer l’évitement en contraignant l’optimisation de la trajectoire. Chaque obstacle dispose d’une propriété de vitesse. Trois types de contrôleurs sont présentés pour assurer le suivi des courbes générées. Des résultats en simulations montrent de manière statistique l’efficacité de l’approche développée dans différents environnements réalistes. L’impact des différents paramètres sur les trajectoires résultantes est aussi étudié. Finalement différents tests réels sont réalisés pour valider la charge de calcul et la faisabilité de l’ensemble sur un ordinateur embarqué