UdZ 02.24 / 85 Durchgeführte Datentests Im Rahmen der Testflüge wurde geprüft, wie sich verschiedene Lokalisierungstechnologien in Produktionsumgebungen verhalten. Im Rahmen erster manueller Testflüge wurden zwei verschiedene UWB-Systeme zur Positionsbestimmung von den Anbietern Prozyx und SICK AG getestet. Beide Systeme bestehen aus den Sendern (platziert auf der Drohne) und Empfängern (in der DFA installiert). Im Vergleich zu der Lösung der SICK AG gab es bei der Echtzeitpositionserfassung durch die Prozyx-UWB-Sensoren erkennbare Abweichungen: Zum Teil registrierten die Sensoren Bewegungen in Richtungen, in die sich die Drohne nicht bewegt hatte. Die Lösung der SICK AG wies zwar ebenfalls kleinere Abweichungen auf, erwies sich aber insgesamt als die bessere Möglichkeit zur Positionsbestimmung (s. Figure 3). Um die Positionsgenauigkeit noch weiter zu erhöhen, wählte das Forschungsteam eine Kombination aus Sensordaten und Bilddaten einer nach unten gerichteten Kamera. Grund dafür war, dass die Bewegungsmessung mittels Bilderkennung, im Gegensatz zu einem UWB-System, eine höhere Dynamik erfassen kann. Die fusionierten Messwerte erwiesen sich als die zielführende Variante für eine autonome Flugregelung, wie in Bild 4 (Figure 4) dargestellt. Für die Sensorfusion wurde das Prozyx-System genutzt, da es ein offenes Entwicklungssystem ist. Ein Vorteil dieses Systems für die Sensorfusion liegt darin, dass die Positionsdaten direkt auf der Drohne berechnet werden können, statt wie beim SICK-System über einen externen Server, der die Position über das Netzwerk übermittelt. Die in der Drohne integrierte Kollisionsvermeidung, realisiert durch Stereokameras, wurde während der autonomen Testflüge erfolgreich geprüft. Dazu wurden künstliche Hindernisse aufgestellt, die die Drohne selbstständig erkannte und umflog. Gleichzeitig zeigte die Drohne entsprechende Warnmeldungen im digitalen Zwilling an, die die Abstandsmessungen zur Umgebung und zu den Hindernissen enthielten. Dies belegt die Fähigkeit der Drohne zur dynamischen Hinderniserkennung und -vermeidung. Zusammenfassung Obwohl das Potenzial eines Drohneneinsatzes sehr hoch ist, müssen noch weitere Entwicklungen folgen, damit der Indoor-Einsatz vor allem in einer Produktionsumgebung Anwendung finden kann. Obwohl die Kollisionsvermeidung sehr gut funktioniert, gibt es bei der Indoor-Positionierung noch gewisse Ungenauigkeiten, die bei kleineren Bereichen (z. B. zwischen einzelnen Maschinen) nicht tolerierbar sind. During the first manual flights, two different UWB positioning systems from Prozyx and SICK AG were tested. Both systems consist of transmitters (mounted on the drone) and receivers (installed in DFA). Compared to the SICK AG solution, the Prozyx UWB sensors showed deviations in real-time position detection: In some cases, they registered movements in directions in which the drone did not move. Although the SICK AG solution also showed minor deviations, it proved to be the better option for determining position overall (see Figure 3). To increase positional accuracy even further, the research team chose a combination of sensor data and image data from a downward facing camera. The reason for this is that, in contrast to a UWB system, motion measurement using image recognition can capture a higher dynamic range. The fused measured values proved to be the most suitable variant for autonomous flight control, as shown in Figure 4 (see p. 84). The Prozyx system was used for the sensor fusion, as it is an open development system. An advantage of this system for sensor fusion is that the position data can be calculated directly on the drone, rather than via an external server that transmits the position via the network, as is the case with the SICK system. The drone’s integrated collision avoidance, realized by stereo cameras, was successfully tested during the autonomous test flights. For this purpose, artificial obstacles were set up, which the drone recognized and flew around on its own. At the same time, the drone displayed corresponding warning messages in the digital twin, which included distance measurements to the surroundings and to the obstacles. This demonstrates the drone's ability to dynamically detect and avoid obstacles. Summary Although the potential of using drones is very high, further developments are still needed to enable indoor use, especially in a production environment. Although collision avoidance works very well, there are still certain inaccuracies in indoor positioning that cannot be tolerated in smaller areas (e.g. between individual machines). The integration of sensor data and image data for autonomous navigation has shown potential as a promising direction for further development in this context. In the future, the use of such drones could be further expanded and refined to support even more complex industrial applications and raise productivity to a new level. In addition, the economic viability of
RkJQdWJsaXNoZXIy NzcyMw==