Pianificazione offline di un percorso di copertura 3D per ambienti interni

Abstract

In questa tesi di laurea magistrale, condotta in collaborazione con l'Università di Genova e Leonardo, affrontiamo le sfide della pianificazione del percorso di copertura indoor 3D applicata al contesto di sorveglianza, proponendo un algoritmo offline che dà priorità all'acquisizione di informazioni per ottimizzare il pattugliamento robotico. Il framework sviluppato sfrutta una rappresentazione dettagliata e pre-mappata dell'ambiente per identificare le regioni con il più alto valore informativo. Questo approccio non solo riduce al minimo i movimenti ridondanti e il consumo di risorse, ma migliora anche la qualità dei dati acquisiti. Per contrastare la prevedibilità della pianificazione offline, è integrato un meccanismo Rapid Random Tree, che introduce un grado controllato di casualità essenziale per applicazioni sensibili alla sicurezza. Progettato per la versatilità, l'algoritmo è destinato a essere utilizzato da un veicolo aereo senza pilota dotato di vari tipi di sensori. Ampie simulazioni in ambienti indoor complessi convalidano la capacità del framework di generare percorsi efficienti e senza collisioni che bilanciano efficacemente la copertura completa con la raccolta di informazioni, fornendo una soluzione solida per attività mission-critical come la sorveglianza e l'ispezione industriale.

In this master's thesis, conducted in collaboration with the University of Genoa and Leonardo, we address the challenges of 3D indoor coverage path planning applied to the surveillance context, proposing an offline algorithm that prioritizes information acquisition to optimize robotics patrolling. The developed framework leverages a detailed and pre-mapped representation of the environment to identify regions with the highest information value. This approach not only minimizes redundant movements and resource consumption, but also improves the quality of acquired data. To counteract the predictability of offline planning, a Rapid Random Tree mechanism is integrated, introducing a controlled degree of randomness essential for safety-sensitive applications. Designed for versatility, the algorithm is intended to be used by an unmanned aerial vehicle equipped with various types of sensors. Extensive simulations in complex indoor environments validate the framework’s ability to generate efficient, collision-free paths that effectively balance comprehensive coverage with information gathering, providing a robust solution for mission-critical tasks such as surveillance, industrial inspection.