Сегодня российские компании активно внедряют беспилотные летательные аппараты (БПЛА) на своих предприятиях. По данным Ростелекома, рынок дронов, применяемых для задач коммерческого сектора, ежегодно растет более чем на 60%. Прогнозируется, что к 2028 году его объем превысит 81 млрд рублей. Во многих отраслях дроны уже сейчас демонстрируют высокую эффективность, позволяя автоматизировать процессы, сокращать издержки и улучшать показатели безопасности. Однако есть направления, где стандартные решения требуют доработки. Например, сложные промышленные и энергетические объекты предъявляют особые требования к работе БПЛА, что требует адаптации технологий под специфические условия эксплуатации, говорит Буян Данзюрюн — директор по инновационным продуктам компании «Атлас Зет» и руководитель разработки ПО с целью использования дронов для инспекции горнодобывающих шахт и навигации в топках ТЭС. Какие технологии используют, чтобы научить дроны летать в сложной среде, как тестировали ПО на виртуальной модели и о перспективах интеграции беспилотных систем в другие сегменты промышленной инфраструктуры — в интервью с экспертом.

— Буян, вы специализируетесь на создании программного обеспечения для дронов, работающих в сложных условиях замкнутых пространств, и сейчас разрабатываете ПО для инспекции дымовых труб и промышленных зданий на объекте «Роснефти». С какими ограничениями приходится сталкиваться при создании решений для таких специфических объектов?

— Одной из основных проблем является отсутствие GPS-сигнала внутри таких объектов. Спутниковая навигация не работает в закрытых пространствах конструкции, что делает невозможным использование стандартных методов позиционирования. Кроме того, электрооборудования ТЭС создают сильные магнитные помехи, которые делают использование магнитного компаса ненадежным. Это особенно важно для задач, требующих точного управления траекторией полета дрона, таких как инспекция дымовых труб или внутренних конструкций промышленных зданий. Также текстура стен, отражения сигналов и турбулентные потоки воздуха вокруг дрона могут приводить к шумам и ошибкам в данных сенсоров. Эти проблемы можно устранить алгоритмическими методами, что минимизирует влияние этих факторов на общую работу системы.

— Вы разработали программное обеспечение для организации навигации дронов внутри помещений без использования GPS. Какие подходы применяли для решения этой задачи? 

— Для создания автономной навигации в замкнутых пространствах и при отсутствии света я объединил два подхода: навигацию по визуальным ориентирам и визуальную одометрию. Первый метод основан на использовании меток или визуальных ориентиров, которые дрон фиксирует с помощью камер, анализируя их для определения своего положения относительно объекта. Второй метод, визуальная одометрия, позволяет дрону определять свою скорость и траекторию, анализируя последовательные изображения с камер. Существует два варианта визуальной одометрии. Без построения карты, то есть по оптическому потоку, и с одновременным построением карты, также этот метод называют SLAM. В первом случае дрон оценивает свое перемещение, фиксируя изменения в последовательности изображений, а во втором он одновременно строит карту пространства и определяет свое местоположение на этой карте. В проекте использовали вариант с оптическим потоком.

— А почему возникла необходимость совместить эти методы? 

— Использование визуальных ориентиров или меток требует минимальной подготовки и позволяет дрону фиксировать свое положение относительно объекта. Например, метки можно установить на площадке для взлета и посадки. Однако этот метод требует, чтобы метки всегда оставались в поле зрения камеры дрона. Это ограничение усложняет управление высотой и положением аппарата, особенно при выполнении сложных задач, таких как сканирование внутреннего пространства котла. С другой стороны, визуальная одометрия позволяет дрону работать автономно, без необходимости внешних ориентиров, но проблема этого метода в том, что с течением времени происходит накопление ошибки. Чтобы компенсировать эти погрешности, мы дополнительно используем данные от дальномеров, которые помогают повысить точность навигации. Объединение этих двух методов позволило создать систему, способную справляться с задачами в сложных условиях, минимизируя недостатки каждого подхода.

— Ваши разработки собираются внедрить на промышленных объектах одних из главных компаний страны «ИнтерРАО» и «Норникель». Скажите, как тестируются технические решения перед внедрением на объект? 

— Тестирование наших технических решений проходило в два этапа. Первый — это симуляция в программной среде Gazebo, которая позволяет создавать детализированные и реалистичные модели. Мы использовали Gazebo для моделирования динамики и физики дрона, взаимодействия с окружающей средой, таких как столкновения, а также работы сенсоров. Благодаря интеграции Gazebo с ROS — это операционная система для робототехники — мы смогли отработать многие аспекты управления и поведения дрона еще до выхода в реальную среду. На втором этапе тестирование проводилось в условиях, максимально приближенных к реальным, в зданиях Московского авиационного института. Мы выбрали помещения, которые по габаритам были схожи с размерами котла, что позволило нам проверить, как дрон справляется с навигацией в замкнутом пространстве и взаимодействует с объектами.

— Беспилотные системы для промышленности — это область, требующая глубоких знаний и опыта, вы обладаете редкой экспертизой, охватывающей сразу несколько направлений. Какие перспективы вы видите для дальнейшего развития этих технологий? 

— Одним из важных направлений станет интеграция дополнительных сенсоров и технологий для расширения функциональности дронов. Например, использование Wi-Fi датчиков позволит выполнять передачу данных в реальном времени, что особенно важно для оперативного мониторинга и быстрого реагирования на изменения в работе объектов. Эти технологии открывают новые возможности в таких областях, как инспекция сложных инфраструктур, создание цифровых двойников для анализа состояния оборудования, а также работы в подземной инфраструктуре, где традиционные методы часто ограничены. Благодаря таким интеграциям дроны смогут не только собирать данные, но и передавать их для моментальной обработки и принятия решений, что значительно повысит эффективность и безопасность работы на промышленных объектах.