Kualitas Cakupan UAV dan Perencanaan Jalur UAV secara Geometris

Lingkungan Kompleks

1. Abstrak
Makalah ini mengusulkan cakupan UAV berkualitas baru yang hemat energi
dengan skema perencanaan jalan dengan tujuan menampilkan area target kompleks
geometrik dengan resolusi spasial dan temporal yang memuaskan. Algoritma oklusi
generasi titik jalan dirancang untuk menemukan titik jalan dengan set terbai. Rute
kendaraan diformulasikan untuk meminimalkan energi maksimum untuk UAV
melakukan perjalanan melalui titik jalan dalam batasan waktu. Energi Min-Max
algoritma perencanaan jalur dirancang dua langkah: pertama, masalah integer linier
campuran (MILP) dipecahkan untuk menghitung energi minimum untuk UAV untuk
pergi dari satu titik arah ke titik lainnya; kemudian, algoritma genetik dirancang untuk
merencanakan jalur untuk semua UAV. Hasil evaluasi menunjukkan bahwa cakupan
yang diusulkan dan skema perencanaan jalan menghasilkan hasil cakupan yang lebih
baik dan konsumsi energi dari cakupan tradisional dan teknik perencanaan jalan untuk
UAV.
2. Pembahasan
a. Cakupan dan perencanaan jalan yang sadar kualitas mempertimbangkan oklusi
kamera.
Setiap UAV mempunyai stasiun kontrol daarat (GCS) dan bergerak sesuai
dengan jalur yang sudah ditentukan. Juga dipertimbangkan pengamatan secara
periodik. Sehingga jaringan UAV dapat memberikan informasi dimana
gambaran dengan kualitas pengindraan jauh yang memuaskan dalam hal
resolusi temporal dan spasial dengan mempertimbangkan efek hambatan-
hambatannya. Dalam tulisan ini, diusulkan kualitas cakupan yang terdiri dari
tiga komponen berikut.
1) Pengukur kualitas cakupan dan penginderaan.
2) algoritma generasi Waypoint.
3) Perencanaan jalan sadar kualitas.
1. Cakupan dan pendeteksi kualitas penginderaan. Model kamera dengan
lubang jarum dalam visi komputer dapat digunakan untuk menggambarkan
proses sensing kamera, yang dicirikan oleh proyeksi 3-D hingga 2-D.
2. Pembuatan waypoint. Masalah menghasilkan titik jalan sekarang dapat
diselesaikan dalam dua langkah utama. Langkah pertama adalah
menemukan ketinggian terbaik untuk merasakan di atas setiap sampel blok
dengan lokasi 2D (xi, yi), sehingga sebuah UAV pada ketinggian ini dapat
menutupi jumlah blok terbesar. Pada langkah kedua, set waypoint terbaik
bisa ditemukan dengan memecahkan set yang meliputi masalah
pemrograman linear.
b. Perencanaan jalur sadar kualitas. Kami mengusulkan untuk menyelesaikan
masalah ini dalam dua langkah. Pertama, kami menyelesaikan masalah sub
menemukan energi minimum yang diperlukan untuk UAV untuk terbang dari
satu titik arah ke lain. Kedua, kami memperkenalkan algoritma genetika (GA)
bersama dengan campuran integer linear programming (MILP) untuk
menemukan solusi yang efisien untuk masalah ini.
c. Evaluasi kinerja. Dua area target dihasilkan yaitu daerah pegunungan dan
daerah perkotaan , kedua daerah memiliki ukuran 250x250 meter, dan mereka
 dibagi menjadi blok 1x1 meter. Minimum persyaratan resolusi spasial (Sr min)
untuk setiap blok diatur ke 8px / meter, dan resolusi temporal (batas waktu
global) bervariasi antara 200 dan 600 detik. Parameter lain untuk penginderaan
kamera dan properti UAV diberikan algoritma genetika diimplementasikan
menggunakan ukuran populasi 30, mutasi probabilitas 0,4, dan jumlah total
10.000 iterasi.
1. Cakupan kinerja
a.) Cakupan Kinerja dengan Ukuran Langkah Yang Berbeda. Kinerja
cakupan metode yang diusulkan lebih baik daripada skema
lawnmower karena fakta bahwa yang terakhir tidak
mempertimbangkan efek oklusi.
b.) Cakupan Kinerja dengan variasi tenggat waktu. Evaluasi ini
memberikan cara untuk menentukan tenggat waktu global yang tepat
atau jumlah UAV yang sesuai memenuhi tenggat waktu tertentu untuk
medan di bawah pengamatan.
2. Perencanaan Jalan Efisiensi Energi. Hasil ini juga menunjukkan bahwa
pemilihan tenggat wakt sebagian besar tergantung pada jumlah tersedia
UAV.
3. Analisis Algoritma Optimasi. GA memiliki kinerja yang lebih baik
daripada koloni semut untuk memecahkan masalah VRP, dan sebagai
jumlah titik jalan meningkat, GA menunjukkan kemampuan untuk
mencapai yang lebih baik.
3. Penutup
Dengan memanfaatkan model penginderaan kamera yang memperhitungkan
oklusi, kami telah mengembangkan algoritma generasi waypoint untuk menemukan
yang terbaik untuk mengatur titik arah untuk mencapai cakupan penuh dari area target
dengan resolusi spasial yang memuaskan. Kami juga telah merancang jalur yang hemat
energi dan tenggat waktu perencanaan solusi untuk beberapa UAV untuk mengunjungi
titik arah. Hasil simulasi telah menunjukkan bahwa solusi yang diusulkan dapat
mencapai kinerja cakupan yang lebih baik melalui biaya energi yang lebih rendah
daripada cakupan UAV tradisional dan perencanaan jalur teknik.
Di masa depan, kami berencana memperluas studi kami dalam dua arah.
Pertama, sementara skema yang diusulkan merencanakan waypoint dan Jalur UAV
sebelum permulaan misi, kami akan menyelidiki secara online strategi penyesuaian
untuk menjamin kualitas penginderaan dalam situasi tak terduga. Kedua, mekanisme
komunikasi yang efektif diperlukan untuk memberikan pengamatan visual yang
memuaskan kepada pengguna akhir.
Nama : Thia Prahesti
NIM : 21110116130060
Kelas : B