無人機網路DDS通訊協定中介軟體開發和應用

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：152

、訪客IP：3.144.16.66

姓名

高鈺盈(Yu-Ying Kao) 查詢紙本館藏

畢業系所

資訊工程學系

論文名稱

無人機網路DDS通訊協定中介軟體開發和應用
(Middleware Development and Application for UAV Network DDS Communication Protocol)

相關論文

★ 整合GRAFCET虛擬機器的智慧型控制器開發平台	★ 分散式工業電子看板網路系統設計與實作
★ 設計與實作一個基於雙攝影機視覺系統的雙點觸控螢幕	★ 智慧型機器人的嵌入式計算平台
★ 一個即時移動物偵測與追蹤的嵌入式系統	★ 一個固態硬碟的多處理器架構與分散式控制演算法
★ 基於立體視覺手勢辨識的人機互動系統	★ 整合仿生智慧行為控制的機器人系統晶片設計
★ 嵌入式無線影像感測網路的設計與實作	★ 以雙核心處理器為基礎之車牌辨識系統
★ 基於立體視覺的連續三維手勢辨識	★ 微型、超低功耗無線感測網路控制器設計與硬體實作
★ 串流影像之即時人臉偵測、追蹤與辨識─嵌入式系統設計	★ 一個快速立體視覺系統的嵌入式硬體設計
★ 即時連續影像接合系統設計與實作	★ 基於雙核心平台的嵌入式步態辨識系統

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 (2029-7-22以後開放)

摘要(中)

本研究針對無人機通訊網路中的即時性、可靠性和可擴展性問題，開發並應用基於DDS（Data Distribution Service）的中介軟體技術。為了解決當前無人機通訊網路技術面臨的挑戰，我們選擇DDS作為中介軟體，利用其去中心化、豐富的QoS策略和動態發現能力來提升無人機通訊性能。本論文設計了一個統一中介軟體架構，結合MicroROS中的XRCE-DDS技術，實現無人機內部與外部異質設備的高效互通。
為了驗證DDS在無人機通訊中的應用效果，我們藉由文獻回顧比較不同中介軟體的性質，選用物聯網主流中介軟體MQTT與分散式系統常用的中介軟體ZeroMQ作為比較對象，並進行了一系列以AirSim和Unreal Engine模擬無人機飛行任務的實驗，並取得相關數據來比較其性能。實驗結果表明，DDS在可靠性、吞吐量和延遲等方面均具有優異表現，尤其在高頻數據傳輸和複雜系統中更具優勢。具體實驗結果顯示，DDS在各項指標較其他兩個中介軟體的表現相對平穩，而在可靠性方面的表現尤為突出。為了進一步驗證DDS在實際應用中的效果，我們實施了一個無人機與自走車協同工作的場景。在這個場景中，無人機需要在飛行一段時間後進行自主換電任務，自走車則負責將新電池運送到無人機處。整個過程中，所有的任務指令和數據傳輸均使用DDS作為中介軟體，以確保任務的順利進行和數據的實時性。實驗結果表明，DDS在這種協同工作中不僅能夠提供高可靠的數據傳輸，還能夠有效管理無人機和自走車之間的任務協調。
本研究展示了DDS在無人機通訊網路中的卓越性能，並提出了一個統一的中介軟體架構，為未來的大規模無人機群體協作和智能應用奠定了堅實基礎。未來研究可以在此基礎上進一步優化DDS中介軟體，探索更多應用場景，包括多無人機協同作業和高動態環境中的應用，推動無人機技術在各領域的廣泛應用。

摘要(英)

This study addresses the challenges of real-time performance, reliability, and scalability in UAV communication networks by developing and applying middleware technology based on the Data Distribution Service (DDS). Leveraging DDS’s decentralized architecture, rich Quality of Service (QoS) policies, and dynamic discovery capabilities, we enhanced UAV communication performance.
We conducted a literature review comparing DDS with MQTT and ZeroMQ and performed simulations using AirSim and Unreal Engine to validate our approach. Experimental results demonstrated that DDS excels in reliability, throughput, and latency, especially in high-frequency data transmission and complex systems.
Additionally, we applied DDS in a real UAV flight, implementing an autonomous battery-swapping mission using DDS for task transmission. Our research highlights the superior performance of DDS in UAV communication networks and proposes a unified middleware architecture, laying a solid foundation for future large-scale UAV collaborations and intelligent applications. Future work can further optimize DDS and explore multi-UAV cooperative operations and dynamic environments, promoting extensive UAV technology applications.

關鍵字(中)

★ 無人機
★ 資料分佈服務
★ 中介軟體

關鍵字(英)

★ UAV
★ Data Distribution Service
★ Middleware

論文目次

摘要 i
Abstract iii
誌謝 iv
目錄 vi
圖目錄 ix
表目錄 xi
第一章、緒論 1
1.1 研究背景 1
1.2 研究目標 3
1.3 論文架構 4
第二章、無人機通訊技術回顧 5
2.1 無人機通訊網路技術挑戰 5
2.2 IoD通訊協定技術 7
2.2.1 MAVlink 7
2.2.2 ROSlink 8
2.2.3 Pymavlink 8
2.3 中介軟體 9
2.3.1 DDS 10
2.3.2 XRCE-DDS 12
2.3.3 MQTT 14
2.3.4 ZeroMQ 15
2.4 實驗使用軟體 18
2.4.1 AirSim 18
2.4.2 Unreal Engine 20
第三章、無人機網路DDS通訊協定系統設計 21
3.1 MIAT系統設計方法論 21
3.1.1 IDEF0階層式模組化設計 22
3.1.2 GRAFCET離散事件建模 23
3.2 無人機網路DDS通訊協定中介軟體模組化設計 24
3.2.1 雲端DDS模組化設計 25
3.2.2 DDS Gateway模組化設計 25
3.2.3 Edge端 DDS模組化設計 26
3.3 無人機網路DDS通訊協定中介軟體離散事件建模 27
3.3.1 雲端DDS離散事件建模 28
3.3.2 DDS Gateway離散事件建模 29
3.3.3 Edge端 DDS離散事件建模 30
第四章、無人機DDS網路通訊實驗 31
4.1 中介軟體效能比較實驗環境 32
4.2 中介軟體效能比較實驗IDEF0 34
4.3 中介軟體效能比較實驗離散事件建模 36
4.3.1 任務腳本子系統離散事件建模 37
4.3.2 基於中介軟體傳輸子系統離散事件建模 38
4.4 中介軟體效能比較實驗數據 38
4.4.1 實驗一數據 39
4.4.2 實驗二數據 41
4.5 DDS實作 44
4.5.1 實作環境 44
4.5.2 實作流程與呈現 46
4.5.3 實作驗證 47
第五章、結論與未來展望 52
5.1 結論 52
5.2 未來展望 53
參考文獻 54

參考文獻

[1] P. K. Donta, S. N. Srirama, T. Amgoth, and C. S. R. Annavarapu, "Survey on Recent Advances in IoT Application Layer Protocols and Machine Learning Scope for Research Directions", Digital Communications and Networks, vol. 8, no. 4, pp. 727-744, 2022.
[2] Q. Wu, J. Xu, Y. Zeng, D. W. K. Ng, N. Al-Dhahir, R. Schober, and A. L. Swindlehurst, "A Comprehensive Overview on 5G-and-Beyond Networks With UAVs: From Communications to Sensing and Intelligence", IEEE Journal on Selected Areas in Communications, vol. 39, no. 10, pp. 2914-2945, 2021.
[3] A. Abdelmaboud, “The Internet of Drones: Requirements, Taxonomy, Recent Advances, and Challenges of Research Trends”, MDPI, 2021.
[4] Brendan Alvey, Derek T. Anderson, Andrew Buck, Matthew Deardorff, Grant Scott, James M. Keller, "Simulated Photorealistic Deep Learning Framework and Workflows to Accelerate Computer Vision and Unmanned Aerial Vehicle Research," Workshop on Analysis of Aerial Motion Imagery (WAAMI) in conjunction with International Conference on Computer Vision (ICCV 2021), 2021.
[5] T. Polonelli, Y. Qin, E. M. Yeatman, L. Benini, D. Boyle, “A Flexible, Low-Power Platform for UAV-Based Data Collection From Remote Sensors”, IEEE Access, vol. 8, 2020.
[6] S. Wang, F. Jiang, B. Zhang, R. Ma, Q. Hao, “Development of UAV-Based Target Tracking and Recognition Systems”, IEEE Transactions on Intelligent Transportation Systems, vol. 21, no. 8, pp. 3409–3422, 2020.
[7] Z. Kang, R. Canady, A. Dubey, A. Gokhale, S. Shekhar, and M. Sedlacek, “Evaluating DDS, MQTT, and ZeroMQ Under Different IoT Traffic Conditions”, M4IoT 2020, 2020.
[8] M. Mozaffari, W. Saad, M. Bennis, Y. Nam, M. Debbah, “A Tutorial on UAVs for Wireless Networks: Applications, Challenges, and Open Problems”, IEEE Communications Surveys & Tutorials, 2019.
[9] G. Aures and C. Lübben, "DDS vs. MQTT vs. VSL for IoT," Seminar IITM SS 19 Network Architectures and Services, 2019.
[10] C. H. Chen, M. Y. Lin, and X. C. Guo, “High-level modeling and synthesis of smart sensor networks for Industrial Internet of Things,” Comput. Electr. Eng., vol. 61, pp. 48–66, 2017.
[11] S. Shah, D. Dey, C. Lovett, and A. Kapoor, “AirSim: High-Fidelity Visual and Physical Simulation for Autonomous Vehicles,” in Field and Service Robotics, 2017.
[12] L. Gupta, R. Jain, G. Vaszkun, “Survey of Important Issues in UAV Communication Networks”, IEEE Communications Surveys & Tutorials, vol. 18, no. 2, second quarter, 2016.
[13] G. Fersi, “Middleware for Internet of Things: A Study”, 2015 International Conference on Distributed Computing in Sensor Systems, 2015.
[14] N. Mohamed, J. Al-Jaroodi, I. Jawhar, S. Lazarova-Molnar, “A Service-Oriented Middleware for Building Collaborative UAVs”, J Intell Robot Syst, 2013.
[15] MarketsandMarkets, ′Unmanned Aerial Vehicles (UAV) Market,′ [Online]. Available: https://www.marketsandmarkets.com/Market-Reports/unmanned-aerial-vehicles-uav-market-662.html. [Accessed: 12-Jan-2024].
[16] OMG, ′What is DDS ?′, [Online]. Available: https://www.dds-foundation.org/what-is-dds-3/. [Accessed: 14-Jan-2024].
[17] MicroROS,’MicroROS’,[Online].Available: https://micro.ros.org/docs/overview/features/. [Accessed: 14-Jan-2024].
[18] Micro XRCE-DDS, "Micro XRCE-DDS", [Online]. Available: https://micro-xrce-dds.docs.eprosima.com/en/latest/ . [Accessed: 6-April-2024].
[19] ZeroMQ, "ZeroMQ", [Online]. Available: https://zeromq.org/ . [Accessed: 6-April-2024].
[20] MAVLink, "MAVLink ", [Online]. Available: https://mavlink.io/zh/ . [Accessed: 6-April-2024].
[21] Pymavlink, "Pymavlink", [Online]. Available: https://mavlink.io/en/mavgen_python/ . [Accessed: 6-April-2024].
[22] Survey on UAV Cellular Communications: Practical Aspects, Standardization Advancements, Regulation, and Security Challenges, [Online]. Available: https://wiki.ros.org/mavros

指導教授

陳慶瀚(Ching-Han Chen)

審核日期

2024-7-23

推文