Positioning and mapping for aerial robots using on-board perception for autonomous missions

Resum

Autonomous aerial robots have gained high visibility due to their ability to achieve faster mission completion as well as reaching higher altitudes without requiring additional structures. Although, limitations in the indoor environments such as the lack of accurate positioning and errors in the perception of the environment due to its dynamically changing conditions can result in mission failures or incomplete mission completion. In order to address some these drawbacks, this thesis focuses towards solving indoor positioning and mapping for aerial robots as well as testing and validating their complete autonomous missions in several real-life challenging scenarios. The first part of this thesis consists of four modules developed for achieving fast and robust localization on-board the aerial robots. The first module presents an open-source, fast and robust EKF based flight altitude estimator for the aerial robots, able to modularly fuse numerous individual altitude estimation sensors along with their bias, for estimating the true flight altitude of the aerial robot as well as estimating the altitude of the ground objects in presence of uneven ground surfaces. In the second module, an open-source, robust particle filter based visual semantic odometry algorithm is presented, which is capable of estimating the drift free pose of the aerial robot combining semantic and visual odometry information in loosely coupled fashion, in order to overcome the drawbacks of error accumulation of the visual odometry algorithms in presence of insufficient characteristic features or repetitive patterns. The third module of this thesis focuses on an open-source, fast and robust geometric SLAM, segmenting and mapping horizontal planar surfaces using point cloud sensors and estimating the true flight altitude of the aerial robot in presence of static as well as dynamic obstacles, overcoming several limitations faced when using conventional altitude estimation sensors. The fourth module of this thesis focuses on an open-source, robust and lightweight graph based visual semantic SLAM framework for aerial robots, which creates a sparse semantic map of the environment using the planar surfaces extracted from the semantic objects and is able to perform robust loop closures using this high-level semantic information, overcoming loop closure errors due to low-level features or requirement of high computational resources. Second part of the thesis presents the extension of our open-source Aerostack software framework for aerial robots, integrating and validating the components presented in part one along with the other developed components in order to achieve complete autonomous flights of heterogeneous aerial robots in several real-life scenarios. Module one presents the research for the autonomous inspection of a thermal power plant using the Aerostack framework as well as the real flight inspection mission inside the power plant. Module two presents the research and obtained results using the Aerostack framework, for utonomous visual inspections of an airplane inside a real airplane hanger. Module three presents the research and obtained results using the Aerostack framework on-board a custom aerial robotic platform, for the accomplishment the challenging autonomous mission of the International Micro-Aerial Vehicles (IMAV) competition. Los robots aéreos autónomos han ganado una gran visibilidad debido a su capacidad de lograr misiones más rápida, así como para alcanzar altitudes más altas sin requerir estructuras adicionales. Aunque, limitaciones en los ambientes interiores, como la falta de posicionamiento preciso y errores en la percepción del entorno debido a sus condiciones dinámicos puede provocar una finalización incompleta de la misión. Para abordar algunos de estos inconvenientes, esta tesis se enfoca en resolver el posicionamiento en interiores y el mapeo de robots aéreos, así como probar y validar sus misiones autónomas en varios escenarios complejos de la vida real. La primera parte de la tesis consta de cuatro módulos desarrollados para lograr una localización rápida y robusta a bordo los robots aéreos. El primer módulo presenta un estimador de altura basado en EKF de código abierto, capaz de fusionar de forma modular numerosos sensores individuales de estimación de altura junto con su sesgo, para estimar la altura real del robot aéreo, así como estimar la altura de los objetos terrestres en presencia de superficies irregulares. En el segundo módulo, se presenta un algoritmo de odometría semántica visual de código abierto basado en un filtro de partículas, que es capaz de estimar la pose del robot aéreo, combinando información semántica y de odometría visual, para superar los inconvenientes de la acumulación de errores de los algoritmos de odometría visual en presencia de características insuficientes o patrones repetitivos en los entornos interiores. El tercer módulo de esta tesis se centra en un algoritmo de código abierto, rápido y robusto de SLAM geométrico, segmentando y mapeando superficies planas horizontales usando sensores de nubes de puntos y estimando la altura del robot aéreo en presencia de obstáculos estáticos y dinámicos, superando varias limitaciones que se enfrentan al usar sensores de estimación de altura convencionales. El cuarto módulo de esta tesis se centra en un algoritmo de SLAM semántico visual basado en methodo de grafos para robots aéreos, que crea un mapa semántico escaso del entorno utilizando las superficies planas extraídas de los objetos semánticos y pueden realizar cierres de bucle robustos utilizando esta información semántica de alto nivel, superando errores de cierre de bucle debido a características de bajo nivel o requisito de altos recursos computacionales. La segunda parte de la tesis presenta la extensión de nuestro marco de software de código abierto Aerostack para robots aéreos, integrando y validando los componentes presentados en la primera parte junto con los otros componentes desarrollados para lograr vuelos autónomos de robots aéreos en varios escenarios de la vida real. El módulo uno presenta la investigación sobre la inspección autónoma de una caldera térmica usando el Aerostack, ası́ como los resultados de la misión de inspección de vuelo real dentro de la caldera. El módulo dos presenta la investigación y los resultados obtenidos usando el Aerostack, para inspecciones visuales autónomas de un avión dentro de un hangar de aviones. El módulo tres presenta la investigación y los resultados obtenidos utilizando el Aerostack a bordo de una plataforma robótica aérea personalizada, para la ejecución autónoma de la misión de la competición internacional de vehı́culos micro-aéreos.