Planificación de trayectorias 4D para UAVs basada en Fast Marching Square
Contenido principal del artículo
Resumen
Los enjambres de vehículos aéreos no tripulados (UAVs) se están convirtiendo en una herramienta fundamental en diversos campos de aplicación, tales como la vigilancia aérea, la búsqueda y rescate en zonas urbanas y la entrega de mercancía. En este marco, la planificación de trayectorias sigue siendo una de las principales preocupaciones en aplicaciones robóticas complejas. Este trabajo presenta un algoritmo de planificación de rutas 4D, basado en el método de Fast Marching Square (FM2), para sistemas multi-UAV en entornos tridimensionales. El algoritmo 4D-FM2 incorpora una función de velocidad dependiente del tiempo dentro del marco del algoritmo Fast Marching (FM). El algoritmo propuesto fue probado en un escenario urbano simulado y los resultados muestran que este planifica de manera efectiva soluciones seguras y óptimas al problema de planificación de trayectorias para UAVs, evitando obstáculos y otros drones, incluso en situaciones complejas.
Palabras clave:
Detalles del artículo
Citas
Bahabry, A., Wan, X., Ghazzai, H., Menouar, H., Vesonder, G., Massoud, Y., 2019. Low-altitude navigation for multi-rotor drones in urban areas. IEEE Access 7, 87716–87731.
Chen, Y., Xu, Y., Hu, M., Huang, F., Nie, Q., 2021. A 4d-trajectory planning method based on hybrid optimization strategy for demand and capacity balancing. In: 2021 IEEE/AIAA 40th Digital Avionics Systems Conference (DASC). IEEE, pp. 1–9.
Du, Y., Zhang, X., Nie, Z., 2019. A real-time collision avoidance strategy in dynamic airspace based on dynamic artificial potential field algorithm. IEEE Access 7, 169469–169479.
Garcia, D., 2010. Robust smoothing of gridded data in one and higher dimensions with missing values. Comput. Stat. & data analysis 54, 1167–1178.
González, J. G., 2015. Fast marching methods in path and motion planning: improvements and high-level applications. Ph.D. thesis, Univ. Carlos III de Madrid.
Guo, T., Mei, Y., Tang, K., Du, W., 2023. A knee-guided evolutionary algorithm for multi-objective air traffic flow management. IEEE Transactions on Evolutionary Computation.
Hu, Y., Yao, Y., Ren, Q., Zhou, X., 2020. 3d multi-uav cooperative velocityaware motion planning. Future Generation Computer Syst. 102, 762–774.
Huang, S., Teo, R. S. H., Tan, K. K., 2019. Collision avoidance of multi-uavs: A review. Annual Reviews in Control 48, 147–164.
Lombard, A., Durand, L., Galland, S., 2020. Velocity obstacle based strategy for multi-agent collision avoidance of unmanned aerial vehicles. In: 2020 IEEE International Conference on Sensing, Communication and Networking (SECON Workshops). IEEE, pp. 1–6.
López, B., Muñoz, J., Quevedo, F., Monje, C. A., Garrido, S., Moreno, L. E., 2021. Path planning and collision risk management strategy for multi-uav systems in 3d environments. Sensors 21 (13), 4414.
Mirebeau, J.-M., Portegies, J., 2019. Hamiltonian fast marching: a numerical solver for anisotropic and non-holonomic eikonal pdes. Image Processing On Line 9, 47–93.
Seenivasan, D. B., Olivares, A., Staffetti, E., 2020. Multi-aircraft optimal 4d online trajectory planning in the presence of a multi-cell storm in development. Transportation Research Part C: Emerging Tech. 110, 123–142.
Sethian, J. A., 1996. A fast marching level set method for monotonically advancing fronts. Proc. of the National Academy of Sci. 93 (4), 1591–1595.
Yu, W., Yanyang, W., Xiangju, Q., Liguo, S., 2019. Exploring mission planning method for a team of carrier aircraft launching. Chinese Journal of Aeronautics 32 (5), 1256–1267.