Ανάπτυξη αλγορίθμου αυτοματοποιημένου διαφανούς συνδυασμού κωλυμάτων (ΔΙΣΥΚΩ) για σχεδίαση ολικής διαδρομής μη επανδρωμένου χερσαίου οχήματος
Automated modified combined obstacle overlay (MCOO) algorithm for unmanned ground vehicles' (UGVs) global path planning

Μεταπτυχιακή διπλωματική εργασία
Συγγραφέας
Παπαντωνίου, Νεκτάριος
Ημερομηνία
2024-04-04Επιβλέπων
Xidias, EliasΛέξεις-κλειδιά
Μη επανδρωμένα χερσαία συστήματα ; Χερσαία κωλύματα ; ΔΙΣΥΚΩ ; Χάραξη ολικής διαδρομής ; B-surfaces ; Unmanned ground vehicle ; Terrain obstacles ; MCOO ; Global path planningΠερίληψη
Οι σύγχρονες επιχειρησιακές απαιτήσεις, για ευφυή χερσαία ρομποτικά συστήματα, έχουν υπαγορεύσει την ανάγκη δυνατότητας αυτόνομης κίνησής τους σε μεγάλες αποστάσεις στο ανοικτό, φυσικό περιβάλλον. Τόσο στο επίπεδο των στρατιωτικών, όσο και των πολιτικών εφαρμογών, τα συστήματα αυτά δεν πρέπει απλά να συνεργούν αρμονικά με τους χειριστές τους, αλλά, όλο και περισσότερο, να ενεργούν συμπληρωματικά, με την ελάχιστη δυνατή επίβλεψη και έλεγχο. Για τους λόγους αυτούς, το πρόβλημα της χάραξης ολικής διαδρομής ενός μη επανδρωμένου χερσαίου μέσου αποτελεί καθοριστικό σταθμό για την περαιτέρω εξέλιξή τους. Με αφετηρία το υπόψη πρόβλημα, η παρούσα διατριβή μελέτησε τις πλέον διαδεδομένες και εξελιγμένες μεθόδους, που αφορούν στη γεωχωρική ανάλυση και εντοπισμό κωλυμάτων, μέσα σε μια περιοχή ενδιαφέροντος, προ της χάραξης της ολικής διαδρομής. Εντοπίζοντας ότι ένα από τα βασικότερα μειονεκτήματα καθεμιάς μεθόδου ξεχωριστά είναι η έλλειψη ενιαίας ροής εργασίας, επιχείρησε να τις εντάξει στην αμιγώς στρατιωτική διαδικασία της παραγωγής διαφανούς συνδυασμού κωλυμάτων, μιας αποκλειστικά χειρωνακτικής διαδικασίας, που αφορά στην προπαρασκευασμένη χάραξη ολικής διαδρομής για μηχανοκίνητα επανδρωμένα μέσα. Τα θετικά αποτελέσματα του συγκερασμού των ανωτέρω διαδικασιών σε μία ενιαία ροή εργασίας, αναδείχθηκαν μέσα από την εφαρμογή της σε μία εικονική, πλην όμως γεωχωρικά άρτια, περιοχή ενδιαφέροντος. Ειδικότερα, αξιολογήθηκε η αποτελεσματικότητα της προσέγγισης μέσα από την κατάτμηση της γεωχωρικής πληροφορίας σε πολλαπλά επίπεδα, ανεξάρτητα μεταξύ τους. Τα επίπεδα αυτά συμπτύχθηκαν στη συνέχεια σε μία ολοκληρωμένη μαθηματική οντότητα, μέσω της μεθόδου των B-surfaces ή υπερεπιφανειών, προετοιμάζοντας το αναγκαίο προϊόν για την εφαρμογή των επιθυμητών αλγορίθμων βελτιστοποίησης/χάραξης της διαδρομής. Η ποιοτική αξιολόγηση του ανωτέρω προϊόντος, απέδειξε πέραν πάσης αμφιβολίας ότι η σύντηξη των υφισταμένων μεθόδων με την αμιγώς στρατιωτική διαδικασία, σε μία ενιαία ροή εργασίας, προσφέρει σημαντικά οφέλη και πλεονεκτήματα. Παράλληλα, δύναται να αποτελέσει το εφαλτήριο μελλοντικών ερευνών, με την ενσωμάτωση κυρίως αλγορίθμων τεχνητής νοημοσύνης, με εκτιμώμενα αποτελέσματα τους μικρότερους χρόνους επεξεργασίας και τα ακριβέστερα αποτελέσματα.
Περίληψη
Modern operational requirements for “smart” land robotic systems have necessitated the development of an autonomous movement capability, over large distances in open terrain. Both within the military and civilian applications frameworks, these systems need not simply interact seamlessly with their human users, but, to an increasing degree, in a complementary manner, with minimal human supervision and control. An efficient general solution to the global path planning problem of an unmanned ground system is therefore of the utmost importance for their further development. Building upon this premise, the current thesis studied the most well-known and evolved methods used for the geospatial analysis and obstacle detection within an area of interest, preceding global path planning. After determining that a prominent disadvantage of each individual method is the lack of a common, integrated workflow, it undertook fusing them into the military procedure for producing a modified combined obstacles overlay; a purely manual procedure for planning the maneuver routes of manned mechanized systems. The positive results of fusing said procedures into a common, integrated workflow, were further demonstrated by implementing it on a fictional, yet geospatially accurate, area of interest. Specifically, the effectiveness of this approach was evaluated by means of dividing geospatial information into many levels, independent from one another. Said levels were then fused into a single mathematical entity, via the method of B-surfaces or hypersurfaces, thus preparing the product necessary for the implementation of the desired optimization/global path planning algorithms. A quality evaluation of said product proved beyond any reasonable doubt that fusing current methods with the military approach into a single, common workflow, offers significant benefits and advantages. Furthermore, it seems to provide a firm foundation for future research focusing on integrating relevant artificial intelligence algorithms, presumed to yield shorter processing durations and more accurate results.