Twirre V2 is the evolution of an architecture for mini-UAV platforms which allows automated operation in both GPS-enabled and GPSdeprived applications. This second version separates mission logic, sensor data processing and high-level control, which results in reusable software components for multiple applications. The concept of Local Positioning System (LPS) is introduced, which, using sensor fusion, would aid or automate the flying process like GPS currently does. For this, new sensors are added to the architecture and a generic sensor interface together with missions for landing and following a line have been implemented. V2 introduces a software modular design and new hardware has been coupled, showing its extensibility and adaptability
Twirre is a new architecture for mini-UAV platforms designed for autonomous flight in both GPS-enabled and GPS-deprived applications. The architecture consists of low-cost hardware and software components. High-level control software enables autonomous operation. Exchanging or upgrading hardware components is straightforward and the architecture is an excellent starting point for building low-cost autonomous mini-UAVs for a variety of applications. Experiments with an implementation of the architecture are in development, and preliminary results demonstrate accurate indoor navigation
MULTIFILE
Reducing the use of pesticides by early visual detection of diseases in precision agriculture is important. Because of the color similarity between potato-plant diseases, narrow band hyper-spectral imaging is required. Payload constraints on unmanned aerial vehicles require reduc- tion of spectral bands. Therefore, we present a methodology for per-patch classification combined with hyper-spectral band selection. In controlled experiments performed on a set of individual leaves, we measure the performance of five classifiers and three dimensionality-reduction methods with three patch sizes. With the best-performing classifier an error rate of 1.5% is achieved for distinguishing two important potato-plant diseases.
MULTIFILE
In de land- en tuinbouwsector worden UAV’s gebruikt om op basis van sensorwaarnemingen telers adviezen te geven om de teelt te optimaliseren. De buitenteelt is verder in de ontwikkeling en het gebruik van UAV’s dan de binnenteelt. In de buitenteelt kunnen drones autonoom vliegen via een vooraf ingestelde route m.b.v. GPS-waypoint. Het is niet mogelijk om deze GPS-techniek toe te passen in de bedekte teelten i.v.m. onvoldoende GPS-signaal in de kassen. Daarnaast wordt er in de kas hinder ondervonden van verschillende obstakels, zoals gewasdraden, gewaswagens en personeel. Kortom er zijn grote verschillen tussen binnen- en buitenteelt op dit gebied. De uitdaging is om een UAV autonoom te laten navigeren in de binnenteelt. Het idee achter dit project is om een vooronderzoek uit te voeren naar de mogelijkheden om drones autonoom te laten navigeren in de glastuinbouw. Indien dit mogelijk is kunnen hyperspectrale camera’s die momenteel worden gebruikt in de open teelten ook toegepast worden in de binnenteelt. De Twirre architectuur biedt een goed uitgangspunt om het autonoom vliegen met drones in een kas te ontwikkelen. De projectpartners hebben met dit KIEM project de volgende doelstellingen: • Inventariseren welke sensoren gebruikt kunnen worden om in een kas de positie van een drone te bepalen, • Inventariseren welke sensoren gebruikt kunnen worden om in een kas obstakels te kunnen detecteren die ontweken moeten worden • keuzes maken voor positie- en antibots-sensoren, deze integreren in de Twirre architectuur, • een drone met de uitgebreide Twirre architectuur testen in een kas, de positie nauwkeurigheid te meten en de botspreventie te testen, • de beelden van de camera worden op basis van positie informatie en standhoekinformatie van de camera aan elkaar gestitcht tot een grote foto die de hele kas beslaat, • daarmee de basis leggen voor een vervolgproject gericht op het ontwikkelen van een beslissingsondersteunend platform dat op basis van sensorwaarnemingen de teler adviezen geeft om zijn teelt te optimaliseren.
Voor zowel de jaarcijfers als de leverbetrouwbaarheid is het noodzakelijk om voorraad in een magazijn te tellen. Vaak gebeurt dit periodiek. Een populair fenomeen is Cycle Counting, dit betekent dat alle voorraad (op een gedefinieerd moment) wordt geteld, bijvoorbeeld elke 90 dagen. Het tellen van voorraad wordt handmatig uitgevoerd door medewerkers. De medewerkers worden gestuurd naar een locatie in het magazijn die minder dan 90 dagen geleden is geteld, gevraagd wordt of deze pallet nog op de locatie aanwezig is en wat het aantal stuks is. Het idee is om dit proces te automatiseren met een drone. De drone moet in staat zijn om autonoom in een gangpad te navigeren en opnames te maken van de voorraad. Vervolgens kunnen deze beelden geanalyseerd worden en de juiste locatie aan het juiste palletnummer worden gelinkt. Ook zouden lege locaties herkend kunnen worden om vervolgens te controleren of deze overeenstemmen met data uit het voorraadbeheersysteem. Autonoom navigeren met een drone die buiten vliegt op basis van GPS is een commodity. Een drone autonoom indoor te laten navigeren in een GPS-deprived omgeving is op zich al een uitdaging. Om echter van de toepassing een commercieel succes te maken moet dit een zo goedkoop mogelijke drone zijn waar, behalve de camera, zo min mogelijk extra sensoren aan worden toegevoegd. Het idee achter dit project is om een vooronderzoek uit te voeren naar de mogelijkheden om drones autonoom te laten navigeren in magazijnen. Indien dit mogelijk is kan verder onderzoek plaats vinden hoe met behulp van drones Cycle Counting geautomatiseerd kan worden. De Twirre architectuur biedt een goed uitgangspunt om het autonoom vliegen met drones in een magazijn te ontwikkelen. De projectpartners hebben met dit KIEM project de volgende doelstellingen: • onderzoeken of visuele markers in combinatie met een camera gebruikt kunnen worden om in een magazijn de positie van een drone te bepalen; • indien nodig inventariseren welke extra sensoren gebruikt kunnen worden om in een magazijn de positie van een drone te bepalen; • onderzoeken of door alleen van de camerasensor gebruik te maken in een magazijn obstakels kunnen worden gedetecteerd die ontweken moeten worden; • indien nodig inventariseren welke sensoren gebruikt kunnen worden om in een magazijn obstakels te kunnen detecteren die ontweken moeten worden; • keuzes maken voor positie- en antibots-sensoren, deze integreren in de Twirre architectuur; • een drone met de uitgebreide Twirre architectuur testen in een magazijn, autonoom door de gangen in het magazijn te vliegen, de positienauwkeurigheid te bepalen en de botspreventie te testen; • daarmee de basis leggen voor een vervolgproject gericht op het ontwikkelen van een platform dat op basis van een autonoom vliegende drone Cycle Counting kan uitvoeren.
Binnen het RAAK-project Smart Vision for UAVs is kennis ontwikkeld om UAVs autonoom te laten vliegen. Deze kennis is verankerd in de Twirre-architectuur voor UAVs. Vanaf het begin is afgesproken dat alle ontwikkelingen (zoals de architectuur, software en beschrijving van hardware) van Twirre openbaar zijn. De Twirre-architectuur is getest met meerdere prototypes. Met de Top-up wordt het mogelijk op korte termijn de Twirre-architectuur te documenteren en open source te maken. Daardoor wordt de verworven kennis openbaar toegankelijk en de verdere ontwikkeling daarvan versneld. Een unique selling point van Twirre is dat deze architectuur niet ontworpen is voor een specifieke UAV of voor UAVs van een specifieke leverancier. Twirre simuleert in feite de stick-commando’s van de grondpiloot en communiceert met de rest van de hardware van de UAV als of het een ontvanger is die radiografische de stick-commando’s ontvangt. Omdat de communicatie van de ontvangers met de rest van de UAV-hardware is gestandaardiseerd, is Twirre UAV-leverancier agnostisch. De Twirre- architectuur is goed schaalbaar van kleine tot grote UAVs. Het gebruik van low-cost componenten maakt Twirre niet alleen geschikt voor het bedrijfsleven, maar ook voor onderwijs- en hobbyprojecten. Twirre voegt aan een commodity UAV een Local Position System (LPS) toe met een breed scala aan sensoren, zoals (stereo) camera’s, ultrasoon sonars, LIDAR’s, gyroscopen, acceleratiemeters, magnetisch kompas en RTK GPS. Alle noodzakelijke berekeningen om met de UAV geautomatiseerd te kunnen vliegen, worden op een processorbord op de UAV zelf uitgevoerd. Verder zijn er software missie-bouwstenen ontwikkeld die herbruikbaar zijn, zodat sneller en eenvoudiger nieuwe missies ontwikkeld kunnen worden. Over Twirre zijn twee peer-reviewed wetenschappelijke artikelen gepubliceerd. Het Twirre-concept wordt op dit moment verder doorontwikkeld en geëvalueerd in projecten op verschillende toepassingsgebieden: • het TKI Wind op Zee project Inspection with automated UAVs using Computer Vision; • het KIEM SI project Autonoom navigeren met drones in de glastuinbouw; • binnen het Region of Smart Factory project Smart Sailing wordt door de NHL een spin-off van Twirre gebruikt; • er is een KIEM SI aangevraagd voor het project Autonoom navigeren met drones in magazijnen. De verwachting is dat er in de nabije toekomst veel vraag zal zijn naar nieuwe slimme toepassingen van autonome UAVs. De Twirre architectuur kan hieraan een belangrijke bijdrage leveren. Door Twirre open source en public domain te maken, worden de ontwikkeling en het laagdrempelig gebruik van Twirre gestimuleerd. Hiermee komt de kennis van Twirre tevens beschikbaar voor derden: bedrijven, instellingen en personen die niet bij het RAAK- project betrokken waren. Door een online-Twirre-community op te zetten, wordt de verdere ontwikkeling van Twirre nog meer versneld en wordt het gebruik ervan opgeschaald. In de community worden bijdragen van derden aan de Twirre-architectuur toegevoegd en beschikbaar gesteld aan iedereen.
