Деякі аспекти програмного забезпечення визначення координат під час автономного польоту БПЛА

Олександр Ткаченко; Микита Гребенюк

doi:10.31866/2617-796X.8.2.2025.347946

Автор(и)

Олександр Ткаченко Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»; Навчально-науковий інститут управління, технологій та правових наук, Національний транспортний університет , Україна https://orcid.org/0000-0001-6911-2770
Микита Гребенюк Навчально-науковий інститут управління, технологій та правових наук, Національний транспортний університет, Україна http://orcid.org/0009-0009-9610-7518

DOI:

https://doi.org/10.31866/2617-796X.8.2.2025.347946

Ключові слова:

безпілотний літальний апарат, автономний політ, визначення координат, програмне забезпечення для БПЛА, GNSS, фільтр Калмана

Анотація

На сьогодні розширюються сфери застосування безпілотних літальних апаратів, зокрема в логістиці, високоточній агрономії, обороні, моніторингових завданнях. Усе це актуалізує проблему забезпечення їхньої автономності та високої навігаційної точності. Аналіз стану сучасного ринку програмного забезпечення для автономного керування безпілотними літальними апаратами свідчить про недостатню кількість потрібних програмних рішень, що ускладнює вибір найбільш ефективного програмного комплексу.

Метою статті є дослідження сучасних програмних засобів, призначених для визначення координат та забезпечення навігації та локалізації безпілотних літальних апаратів в автономному режимі, функціональних і технічних можливостей цих апаратів.

Методами дослідження є методи порівняльного аналізу основних програмних рішень цієї предметної області (безпілотні літальні апарати). У статті розглянуто підходи до розроблення та функціонування програмного рішення для визначення координат під час автономного польоту таких апаратів на основі використання розширеного фільтра Калмана, який сприяє злиттю даних від інерціальних, візуальних і супутникових систем.

Новизною проведеного дослідження є аналіз сучасних систем підтримання ефективних автономних польотів безпілотних літальних апаратів, порівняльний аналіз новітніх Open Source платформ PX4 та ArduPilot з урахуванням оцінки їх інтеграційних можливостей для зовнішніх SLAM / VIO-модулів та розроблення гібридного багатосенсорного комплексу на базі Robot Operating System, що використовує фільтри Калмана для компенсації помилок інерціальних навігаційних систем даними візуальної одометрії та GNSS.

Висновки. У роботі виконано узагальнення фундаментальних методів визначення координат. Обґрунтовано необхідність Sensor Fusion для мінімізації накопичувальної похибки та забезпечення стійкості до відмов, що стало основою для подальшої програмної реалізації; проведено аналіз ринку програмного забезпечення для БПЛА; здійснено класифікацію сучасних програмних засобів за архітектурним принципом, виділивши дихотомію між відкритими платформами (ArduPilot, PX4) та комерційними екосистемами. Установлено, що відкриті платформи надають більш високу гнучкість, необхідну для імплементації нових алгоритмів SLAM, а комерційні рішення пропонують високий ступінь інтеграції та відповідності нормативним вимогам; для реалізації надійного визначення координат у закритих та GNSS відсутніх середовищах розроблено програмний комплекс на базі Robot Operating System (це забезпечило модульний підхід та легкість масштабування).

Біографії авторів

Олександр Ткаченко, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»; Навчально-науковий інститут управління, технологій та правових наук, Національний транспортний університет

Кандидат фізико-математичних наук, доцент, доцент кафедри програмного забезпечення комп’ютерних систем; доцент кафедри інформаційних технологій

Микита Гребенюк, Навчально-науковий інститут управління, технологій та правових наук, Національний транспортний університет

Магістрант кафедри інформаційних технологій

Посилання

Bai, X., Wen, W. and Hsu, L.-T., 2020. Robust Visual-Inertial Integrated Navigation System Aided by Online Sensor Model Adaption for Autonomous Ground Vehicles in Urban Areas. Remote Sensing, [e-journal] 12 (10), 1686. https://doi.org/10.3390/rs12101686

Bednář, J., Petrlík, M., Vivaldini, K.C.T. and Saska, M., 2022. Deployment of Reliable Visual Inertial Odometry Approaches for Unmanned Aerial Vehicles in Real-world Environment. IEEE International Conference on Unmanned Aircraft Systems (ICUAS), [e-journal] pp.168-176. https://doi.org/10.1109/ICUAS54217.2022.9836067

Bergguist, C., 2022. ArduPilot VS PX4. Which is better? Drone Dojo, [online] 29 August. Available at: <https://dojofordrones.com/ardupilot-vs-px4> [Accessed 22 September 2025].

Cadena, C., Carlone, L., Carrillo, H., Latif,Y., Scaramuzza, D., Neira, J., Reid, I. and Leonard, J.J., 2016. Past, Present, and Future of Simultaneous Localization and Mapping: Toward the Robust-Perception Age. IEEE Transactions on Robotics, [e-journal] 32 (6) pp.1309-1332. https://doi.org/10.48550/arXiv.1606.05830

Chen, R., Tan, J., Zhou, Y., Yang, Z,, Nie, F. and Chen, T., 2024. Asymmetric low-rank double-level cooperation for scalable discrete cross-modal hashing. Expert Systems with Applications, [e-journal] 237, Part C, Article 121703. https://doi.org/10.1016/j.eswa.2023.121703

Dai, Y., Gieseke, F., Oehmcke, S., Wu, Y. and Barnard, K., 2020. Attentional Feature Fusion. In: IEEE Winter Conference on Applications of Computer Vision (WACV), Waikoloa, HI, USA, 03-08 January 2021. [online] Waikoloa: Institute of Electrical and Electronics Engineers, pp.3559-3568. Available at: <https://arxiv.org/pdf/2009.14082> [Accessed 22 September 2025].

Farrell, J. and Barth, M., 1999. The Global Positioning System & Inertial Navigation. New York: McGraw-Hill Education.

Grewal, M.S., Andrews, A.P. and Bartone, C.G., 2020. Global Navigation Satellite Systems, Inertial Navigation, and Integration. 4th ed. New York: John Wiley & Sons. https://doi.org/10.1002/9781119547860

La Vallee, S.M., 2018. FilterPy – Kalman filters and other optimal and non-optimal estimation filters in Python [online]. Available at: <https://github.com/rlabbe/filterpy> [Accessed 28 September 2025].

Lin, C.-F., 2008. Modern Navigation, Guidance, And Control Processing. Pearson Technology Group.

Lucic, M.C., Bouhamed, O., Ghazzai, H., Khanfor, A. and Massoud, Y., 2023. Leveraging UAVs to Enable Dynamic and Smart Aerial Infrastructure for ITS and Smart Cities: An Overview. Drones, [e-journal] 7 (2), 79. https://doi.org/10.3390/drones7020079

Macenski, S., Foote, T., Gerkey, B., Lalancette, Ch. and Woodall, W., 2022. Robot Operating System 2: Design, Architecture, and Uses In The Wild. Science Robotics, [e-journal] 7 (66). https://doi.org/10.48550/arXiv.2211.07752

Meier, L., Honegger, D. and Pollefeys, M., 2015. PX4: A node-based multithreaded open source robotics framework for deeply embedded platforms. In: 2015 IEEE International Conference on Robotics and Automation (ICRA), Seattle, WA, USA, 26-30 May, 2015. Seattle: Institute of Electrical and Electronics Engineers, pp.6235-6240.

Mur-Artal, R., Montiel, J.M.M. and Tardós, J.D., 2015. ORB-SLAM: A Versatile and Accurate Monocular SLAM System. IEEE Transactions on Robotics, [e-journal] 31 (5), pp.1147-1163. https://doi.org/10.1109/TRO.2015.2463671

PX4 Autopilot User Guide. n.d. [online] Available at: <https://docs.px4.io/main/en/> [Accessed 22 September 2025].

QGroundControl Guide (Daily Builds), n.d. QGC Guide. [online] Available at: <https://docs.qgroundcontrol.com/> [Accessed 24 September 2025].

Qin, T., Li, P. and Shen, S., 2018. VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator. Ieee transactions on robotics, [e-journal] 34 (4), pp.1004-1020. Available at: <https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8421746> [Accessed 22 September 2025].

Sabzevari, D. and Chatraei, A., 2021. INS/GPS Sensor Fusion based on Adaptive Fuzzy EKF with Sensitivity to Disturbances. IET Radar, Sonar & Navigation, [e-journal] 15 (11), pp.1535-1549. https://doi.org/10.1049/rsn2.12144

What is ArduPilot? n.d. ArduPilot. [online] Available at: <https://ardupilot.org> [Accessed 22 September 2025].

Zhang, J. and Singh, S., 2014. LOAM: Lidar Odometry and Mapping in Real-Time. In: Robotics: Science and Systems Conference, Berkeley, [online] July. Available at: <https://www.ri.cmu.edu/pub_files/2014/7/Ji_LidarMapping_RSS2014_v8.pdf> [Accessed 24 September 2025].

Zhao, Y., Yan, G., Qin, Y. and Fu, Q., 2020. Information Fusion Based on Complementary Filter for SINS/CNS/GPS Integrated Navigation System of Aerospace Plane. Sensors, [e-journal] 20 (24), 7193. https://doi.org/10.3390/s20247193