Ponente
Descripción
En el siguiente trabajo se presenta un sistema de la guía, navegación y control para el desarrollo de misiones con vehículos autónomos de superficie dentro de un entorno de simulación, como así también la implementación de un generador de trayectorias empleando un algoritmo coverage path planning (CPP) basado en cuadrículas como una posible propuesta de aplicación.
El mismo fue pensado para los vehículos autónomos con que dispone el Laboratorio de Sistema Distribuidos (LSD) dependiente del Departamento de Ingeniería Electrónica y Mecatrónica (DIEM) de la Facultad de Ingeniería de la Universidad Nacional de Asunción (FIUNA) con sede en el Centro de Innovación Tecnológica (CITEC), pero es posible su implementación en cualquier controlador de vuelo que soporte Ardupilot o PX4.
Con el fin de otorgar una mayor adaptabilidad y flexibilidad, se pretende aplicar Robot Operating System (ROS) como plataforma de software.
Objetivo
Desarrollar un sistema para pruebas de misiones con vehículos autónomos de superficie empleando como herramienta el middleware Robot Operating System.
Metodología
El sistema propuesto se puede observar en la figura 1, y dispone de tres componentes principales para el desarrollo de misiones: en primer lugar ROS master, siendo este el encargado del funcionamiento del sistema GNC para lo cual utiliza el generador de trayectorias como herramienta, y también de la comunicación e intercambio de información con el simulador Gazebo; segundo, un modelo dinámico del cual provienen los datos simulados de los sensores (PX4 SITL), el cual responde al ROS master; y por último, un entorno de simulación (Figura 2) que emplea como principal herramienta el simulador dinámico 3D Gazebo, y que implementa un modelo desarrollado en Autodesk Fusion 360 (Figura 3), este último es una representación de los ASV del LSD.
Las misiones se determinan mediante waypoints por los cuales debe pasar el vehículo, estos son proveídos por un algoritmo CPP y el método Back-and-Forth (BF). Dado que tanto las entradas como las salidas de dicho algoritmo se representan en coordenadas cartesianas, a fin de conocer las distancias correspondientes en metros, se hace necesaria una transformación de coordenadas a su representación geográfica; esto se consigue aplicando las fórmulas y relaciones de Haversine considerando a la tierra como una esfera, siendo esto una aproximación factible cuando se tratan distancias cortas, no mayores a los 1 Km.
Introducción
El campo de los vehículos autónomos de superficie (ASV) ha evolucionado de manera significativa gracias a los avances tecnológicos [1]. Su capacidad para operar de manera autónoma abre nuevas oportunidades de innovación en diversos campos. Paraguay ofrece oportunidades favorables para la adopción de ASV en una variedad de aplicaciones, desde el monitoreo de los ríos y cuerpos de agua para evaluar la calidad del agua y preservar el ecosistema [2], hasta la inspección de infraestructuras asociadas para garantizar la seguridad y el mantenimiento adecuado [3].
Con el fin de potenciar la autonomía, se hace común el estudio de Guía, Navegación y Control (GNC), y Robot Operating System (ROS) se describe en este contexto como una potente plataforma de código abierto que ha transformado el diseño y gestión de sistemas robóticos [4] [5], y destaca por su adaptabilidad a diversas aplicaciones, resultando apropiada para el desarrollo de sistemas de GNC debido a su arquitectura modular, herramientas de simulación y visualización, y capacidad para integrar una amplia gama de sensores y actuadores [6].
Se presenta entonces el desarrollo de un sistema GNC basado en ROS e implementado dentro del entorno de simulación Gazebo, el cual emplea un generador de trayectorias.
Conclusión
Se obtuvo un funcionamiento satisfactorio del sistema en general, tanto del algoritmo como del sistema GNC, los cuales demostraron correspondencia teniendo en cuenta las transformaciones de coordenadas aplicadas, esto es observable en los resultados presentados. Es posible considerar este sistema como un análisis previo de funcionamiento, y para una posterior aplicación real, con la posibilidad de escalar o implementar mejoras como algoritmos de generación de trayectoria mas complejos, visión artificial o mejores aproximaciones de distancias que consideren datos geodésicos para dar fiabilidad a mayores distancias de recorrido.
Resultados
Se realizaron dos pruebas de funcionamiento, la primera para determinar la correspondencia entre los valores dados por el algoritmo y la posterior transformación de coordenadas, la cual se puede observar en la figura 4. A continuación se evaluó el desempeño del vehículo en una misión de cobertura de un área con 40x40 [m], utilizando como parámetros de comparación el camino trazado por el algoritmo y los datos proveídos por el GPS del vehículo, el desempeño se puede observar en la figura 5.
| Area | Ingenierías, Matemáticas y Física |
|---|
