| Beschreibung: |
In diesem vorgeschlagenen Projekt sind wir davon überzeugt, dass die Multisensor-Fusion auf einer einzigen Drohne und die kollaborative Zustandsschätzung in Multi-Drohnen-Systemen eng kombiniert werden müssen, um die Hürden zu überwinden, die derzeit den Einsatz solcher Systeme in der Industrie verhindern. In der Vergangenheit befassten sich die Forscher mit mehreren Sensoren auf einem System und der kollaborativen Zustandsschätzung für ein Roboterteam als separate Bereiche. Die Abstrahierung von Sensoren und anderen Agenten im Schwarm als kombinierte „Informationsanbieter“ zeigt jedoch schnell, dass es in den beiden scheinbar unterschiedlichen Bereichen viele Gemeinsamkeiten gibt. Wenn wir die Skalierbarkeit und Recheneffizienz, auf die sich die kollaborative Zustandsschätzung normalerweise konzentriert, mit der probabilistischen Konsistenz von Multiraten- und verzögerten Sensoren in Multisensor-Fusionsansätzen kombinieren, streben wir danach, ein vollständig verallgemeinertes und äußerst vielseitiges kollaboratives Multisensor-Fusions-Framework mit den Vorteilen beider Welten. Der kombinierte Ansatz wird es Agenten ermöglichen, neben ihren eigenen unterschiedlichen Sensoren die Informationen anderer Agenten zu nutzen (z.B. durch relaying von sauberen GPS Signalen über mehrere Agenten), um Sensor- und Signalausfälle auf dem eigenen System abzufangen. Dadurch wird die Positionierung des einzelnen Agenten und des Gesamtschwarms deutlich verbessert und gegenüber herausfordernden Gebieten wesentlich widerstandsfähiger. Diese neue Widerstandsfähigkeit in realen Umgebungen kann das wesentliche Element für Multi-Drohnen-Systeme sein, um ihren Weg in heutige industrielle Anwendungen zu finden. In diesem Projekt werden wir die verbesserte Leistung für die Brückeninspektion mit den natürlich gegebenen GPS-losen Bereichen unter der Brücke demonstrieren. Die verbesserte Lokalisierung wird es den Drohnen nicht nur ermöglichen, Daten/Bilder aus bisher unmöglichen, GPS-losen Bereichen zu sammeln, sondern auch eine viel bessere Positionsannotation für die gesammelten Daten zu machen. Letzteres ist ein wichtiges Element für nachfolgende 3D-Rekonstruktionsaufgaben zur Modellierung eines digitalen Zwillings der Brücke. Während bisherige Methoden an den verfälschten Positionsannotation der Daten scheitern, wird unser Positionierungssystem die Präzision und Qualität digitaler Zwillinge im BIM deutlich steigern. |