Drone-based system for localization of people inside buildings

Kaniewski, Piotr; Kraszewski, Tomasz

doi:10.1109/tcset.2018.8336153

Cited by 10 publications

(2 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…The problem of path planning can be described as selecting the appropriate sequence of steps leading to reaching the destination point [10]. The process begins when the UAV locates obstacles or hazards.…”

Section: Path Planning As An Optimization Problem For Acomentioning

confidence: 99%

See 1 more Smart Citation

Application of the ACO algorithm for UAV path planning

Konatowski

Pawlowski

2019

ELECTROTECHNICAL REVIEW

View full text Add to dashboard Cite

The ACO (Ant Colony Optimization) algorithm is a bio-inspired metaheuristic used to optimize problems or functions described by graphs, sequences of events, or queues of tasks. It is used, among a variety of other purposes, when routing Internet network packets, determining the shortest routes between designated points (traveling salesman's problem), for the time and cost optimization of production, or setting public transport stops. In the article, the ACO algorithm was used to autonomously construct the optimal route for an unmanned aerial vehicle (UAV). The algorithm establishes the spatial orientation of the UAV, indicating the direction of its transition for each intermediate waypoint. The results of the simulations show the trajectory of the UAV depending on the selected weighting factors, determining the priority of avoiding detected hazards or choosing the shortest path. The quality of each variant is evaluated numerically by the calculated fitness function, the value of which is the sum of the costs of the transition to each intermediate route point. The effect of the algorithm is a set of executable trajectory variants, of which the one with the best fitness value is selected. Streszczenie. Algorytm ACO (ang. Ant Colony Optimization) jest bio-inspirowaną metaheurystyką, wykorzystywaną do optymalizacji problemów lub funkcji opisywanych za pomocą grafów, sekwencji zdarzeń, czy też kolejki zadań. Znajduje on zastosowanie m.in. przy trasowaniu pakietów sieci internetowych, wyznaczaniu najkrótszych tras między wyznaczonymi punktami (problem komiwojażera), optymalizacji czasu i kosztu produkcji, czy też ustalaniu przystanków transportu publicznego. W artykule, algorytm ACO został wykorzystany do autonomicznego wyznaczenia optymalnej trasy dla bezpilotowego statku powietrznego (BSP). Algorytm ustala orientację przestrzenną BSP, determinującą kierunek jego przemieszczenia dla każdego pośredniego punktu docelowego. Wyniki przeprowadzonych symulacji przedstawiają trajektorię BSP w zależności od dobranych współczynników wagowych, określających priorytet ominięcia wykrytych zagrożeń lub wybrania najkrótszej drogi. Jakość każdego wariantu jest określana liczbowo poprzez ustaloną funkcję dopasowania, której wartość stanowi suma kosztów przejścia do każdego pośredniego punktu trasy. Efektem działania algorytmu jest zbiór wykonywalnych wariantów trajektorii, z których wybrany zostaje ten o najlepszej wartości dopasowania [Zastosowaniealgorytmu ACO do wyznaczania trasy BSP]

show abstract

Section: Path Planning As An Optimization Problem For Acomentioning

confidence: 99%

“…The simulated object is the UAV platform presented as a rigid solid with six degrees of freedom 6DoF [8,10,14]. The state vector, characterizing the state of the UAV in space, is presented in the form (7) s p…”

Section: Environment and Simulation Objectmentioning

confidence: 99%