Physik | Technik

 

Dominic Rinderer, 2000 | Hinterforst, SG

 

Die Anzahl Naturkatastrophen ist in den letzten Jahren stark angestiegen, und mit der Klimaveränderung ist nicht an ein Ende zu denken. Folglich steigen ebenso die Ansprüche an Rettungskräfte auf der ganzen Welt. Aus diesem Grund habe ich mir die Frage gestellt, was ich machen kann, um den Rettungskräften die Arbeit zu erleichtern. Fortschritte in den Bereichen künstliche Intelligenz und Drohnen eröffnen neue Perspektiven zur Problemlösung. Dementsprechend wurde im Rahmen dieses Projekts eine autonome Search-and-Rescue-Drohne, basierend auf den erwähnten technologischen Fortschritten, entwickelt. Dieses System unterstützt die Rettungskräfte bei der Suche nach Überlebenden einer Naturkatastrophe oder bei der Suche nach Vermissten. Auch wurde in dieser Arbeit eine Methode erarbeitet, Überlebende anhand ihrer Vitalität zu priorisieren. Das System wurde mithilfe einer handelsüblichen Parrot ANAFI Drohne und Python umgesetzt.

Fragestellung

Folgende Fragestellung wird in dieser Arbeit behandelt: (I) Ist es mir möglich, die zwei Technologien, künstliche Intelligenz und Drohne, zu vereinen, um eine autonome Search-and-Rescue-Drohne zu entwickeln? Dabei wird das Search-and-Rescue-System entwickelt und umgesetzt. Es wird keine eigene Drohne gebaut, sondern eine handelsübliche Drohne verwendet.

Methodik

Ausgehend von einer Bestandesaufnahme der Anforderungen und einer anschliessenden Evaluation wurde als Drohnenplattform eine herkömmliche Parrot ANAFI Drohne verwendet. Weiter wurde die Software in Python geschrieben. Um die Drohne anzusteuern, wurde die von Parrot entwickelte Schnittstelle Olympe verwendet. Mithilfe von OpenCV und Tensorflow wurde zudem die Personenerkennung und die Pose-Schätzung umgesetzt. Schliesslich wurde die Software mithilfe der Simulationssoftware Sphinx an einer simulierten Drohne getestet. Um die Entwicklung zu vereinfachen, wurde das ganze System in folgende Teilsysteme gegliedert: Navigationssystem, Searchsystem und Missionabortsystem. Diese Teilsysteme wurden unabhängig voneinander getestet. Für die Personenerkennung mussten Trainingsdaten erhoben werden. Dazu wurden vier Personen aus der Luft gefilmt. Anschliessend wurden die einzelnen Bilder des Videos extrahiert und dort die Personen von Hand markiert. Das Testen von Lösungen und neuen Konzepten wurde mithilfe kleinerer Testprogramme an der simulierten und schliesslich an der physischen Drohne durchgeführt.

Ergebnisse

Das Search-and-Rescue-System wurde erfolgreich entwickelt. Die Personenerkennung kann Personen ausfindig machen und von der Umgebung unterscheiden. Weiter ist das System anhand der Bewegungen einer Person in der Lage zu unterscheiden, ob es sich bei dieser um eine Rettungskraft oder um ein Opfer handelt. Zudem kann ein Gebiet, das es abzufliegen gilt, definiert werden. Sollte während der Mission etwas Unvorhergesehenes passieren, kann die Mission durch das Missionabortsystem abgebrochen werden. In der Simulation kann das vordefinierte Gebiet überflogen werden. Leider funktioniert die Steuerung der physischen Drohne nicht. Sie bleibt nach dem Start in der Luft stehen. Grund dafür ist die Firmware der Drohne. Sie ändert den Flugstatus der Drohne nicht, was zur Folge hat, dass alle folgenden Befehle des Systems ignoriert werden. Zudem wurden in dieser Arbeit alternative Drohnentypen untersucht und der Quad-Drohne gegenübergestellt. Schliesslich wurde eine neue Methode ausgearbeitet, um Opfer anhand ihrer Vitalität zu priorisieren.

Diskussion

Die Arbeit zeigt, dass die Technologien künstliche Intelligenz und Drohne kombiniert werden können, um bessere Rettungsdienste zu liefern. Dasselbe System kann auch auf andere Applikationen übertragen werden, wenn es dabei um das Überfliegen und Suchen geht. Jedoch bedarf es noch grosser Weiterentwicklung, um das System praktikabel zu machen. Quad-Drohnen bilden eine schlechte Plattform, um möglichst viele Quadratkilometer zurückzulegen. Sie können zudem nicht jedem Wetter standhalten. Für die Personenerkennung muss ein besserer Algorithmus verwendet werden, da der jetzige zwar schnell, aber ungenau ist. Es ist auch eine offene Frage, ob Opfer und Rettungskräfte in der Realität tatsächlich voneinander unterschieden werden können.

Schlussfolgerungen

Auch wenn das Fliegen mit der physischen Drohne nicht gelungen ist, kann das Projekt als Erfolg gewertet werden. Es wurde ein funktionierendes Search-and-Rescue-System entwickelt. Um dieses in der Wirklichkeit unter realen Umständen zu testen, muss jedoch eine funktionierende Plattform verwendet werden. Dies gilt es, als Nächstes anzugehen.

 

 

Würdigung durch den Experten

Andreas Reinhard

Mit beeindruckendem Elan hat Dominic seinen ursprünglichen Fokus vertieft und erweitert. Insbesondere ist es ihm in kurzer Zeit gelungen, die «Bodenhaftung» – den Praxisbezug – seiner Such- und Rettungsdrohne deutlich zu erhöhen, indem er sich neben seinem Steckenpferd «KI» analytisch sauber grundlegenden Fragen widmete. Dazu gehört im Rahmen einer automatisierten Mustererkennung aus der Luft die sichere Beurteilung von Vitalzeichen (um Prioritäten zu setzen) sowie Alternativen zu gängigen, energetisch ineffizienten Multikoptern (um die Suchzeit vor Ort zu erhöhen). Eine reife, solide Arbeit!

Prädikat:

hervorragend

Sonderpreis Odd Fellows – Taiwan International Science Fair (TISF)

 

 

 

Berufs- und Weiterbildungszentrum Buchs (bzb)
Lehrer: Matthias Kunz