SVILUPPO DI STRATEGIE DI CONTROLLO E DI COORDINAZIONE DI UN GRUPPO DI DRONI MEDIANTE COMPUTER VISION

In recent years, the use of drones has significantly expanded in many sectors, driven by the rapid advancement of technologies. These aircraft find application in both military and civilian contexts, carrying out activities ranging from emergency management and search and rescue missions, to synchronized light shows, agricultural crop monitoring, industrial inspections and much more. A crucial aspect for the success of these applications is the ability of drones to operate in groups, synchronizing correctly and avoiding collisions. However, the coordinated control of multiple drones presents several technical challenges, especially when using low-end devices, such as the DJI Tello Edu, which suffer from limitations such as errors in the IMU (Inertial Measurement Unit) sensors and latencies in the communication between the computer and the drone. In this thesis, the behavior of two DJI Tello Edu drones is analyzed through three practical experiments, carried out using Python scripts: In the first experiment, commands are sent separately to each drone from two separate computers; In the second experiment, a single computer coordinates both drones, which simultaneously execute the same commands; In the third experiment, a leader-follower formation is implemented, where the follower drone uses exclusively the video stream of its camera to recognize a QR code placed on the leader and follow it autonomously. Through these three experiments, the level of synchronization between the drones is progressively improved, optimizing the coordination of movements and reducing the risk of collision. To ensure precise and real-time monitoring of the drones' movement during the experiments, the Vicon Motion Capture system was used. Thanks to this technology, it was possible to acquire data relating to the position, orientation, speed and distances between the drones. The information collected was subsequently processed to build graphs useful for analyzing trajectories and flight dynamics. The results obtained show how, even with low-cost drones and limited sensors, it is possible to develop reliable cooperative navigation systems through the integration of computer vision techniques and correct communication management.

Negli ultimi anni, l'impiego dei droni si è notevolmente ampliato in numerosi settori, spinto dal rapido avanzamento delle tecnologie. Questi velivoli trovano applicazione sia in ambito militare sia in contesti civili, svolgendo attività che spaziano dalla gestione delle emergenze e dalle missioni di ricerca e soccorso, fino a spettacoli di luci sincronizzati, monitoraggio agricolo dei raccolti, ispezioni industriali e molto altro. Un aspetto cruciale per il successo di queste applicazioni è la capacità dei droni di operare in gruppo, sincronizzandosi correttamente ed evitando collisioni. Tuttavia, il controllo coordinato di più droni presenta diverse sfide tecniche, soprattutto quando si utilizzano dispositivi di fascia economica, come il DJI Tello Edu, che soffrono di limiti quali errori nei sensori IMU (Inertial Measurement Unit) e latenze nella comunicazione tra il computer e il drone. In questa tesi viene analizzato il comportamento di due droni DJI Tello Edu attraverso tre esperimenti pratici, realizzati mediante l’uso di script in linguaggio Python: Nel primo esperimento, i comandi vengono inviati separatamente a ciascun drone da due computer distinti; Nel secondo esperimento, un singolo computer coordina entrambi i droni, che eseguono simultaneamente gli stessi comandi; Nel terzo esperimento, viene implementata una formazione di tipo leader-follower, dove il drone follower utilizza esclusivamente il flusso video della sua telecamera per riconoscere un QR code posizionato sul leader e seguirlo in maniera autonoma. Attraverso questi tre esperimenti, viene progressivamente migliorato il livello di sincronizzazione tra i droni, ottimizzando la coordinazione dei movimenti e riducendo il rischio di collisione. Per garantire un monitoraggio preciso e in tempo reale del movimento dei droni durante gli esperimenti, è stato utilizzato il sistema Vicon Motion Capture. Grazie a questa tecnologia è stato possibile acquisire dati relativi alla posizione, all'orientamento, alla velocità e alle distanze tra i droni. Le informazioni raccolte sono state successivamente elaborate per la costruzione di grafici utili all'analisi delle traiettorie e delle dinamiche di volo. I risultati ottenuti mostrano come, anche con droni economici e sensori limitati, sia possibile sviluppare sistemi di navigazione cooperativa affidabili mediante l'integrazione di tecniche di computer vision e una corretta gestione della comunicazione.