docs: add Innopolis Open 2020 L22_AERO team article (#251)

* L22_AERO docs

* remove html code

* docs: edit Innopolis Open 2020 (L22_AERO) article

Co-authored-by: Oleg Kalachev <okalachev@gmail.com>

docs/ru/SUMMARY.md

@@ -93,6 +93,7 @@
   * [CopterHack-2017](copterhack2017.md)
 * Проекты на базе Клевера
   * [Шоу коптеров](clever-show.md)
+  * [Innopolis Open 2020 (L22_ÆRO)](innopolis_open_L22_AERO.md)
   * [Олимпиада НТИ 2020 (P4DF2)](nti2020_p4df2.md)
   * [Генератор ArUco карт](arucogenmap.md)
   * [Модель аэротакси в городе](bigchallenges.md)

docs/ru/innopolis_open_L22_AERO.md

@@ -0,0 +1,159 @@
+# Innopolis Open 2020 - команда L22_ÆRO
+
+## Команда
+
+* [Юрьев Василий](https://vk.com/vasily_0x59).
+* [Оконешников Дмитрий](https://vk.com/okoneshdmitriy).
+
+## Описание задачи финала
+
+Внедрение новых технологий происходит в различных отраслях экономики, в том числе и в сельском хозяйстве. Дроны или БПЛА не стали исключением. Благодаря применению беспилотников оценка состояния сельскохозяйственных территорий и анализ компонентов ландшафта стали более доступными и эффективными.
+
+<img src="../assets/photo_2020-06-18_18-54-23.jpg" width="300" title="Один из вариантов поля">
+
+Финальная задача Innopolis Open 2020 была посвящена мониторингу сельскохозяйственных территорий и состояла из следующих элементов:
+
+* Взлет (с QR-кода) и посадка (на цветной маркер небольшого размера).
+* Распознавание зашифрованного сообщения в QR-коде.
+* Распознавание цвета объектов (цветных маркеров – условное обозначение сельхоз угодий).
+* Определение их координат (расположение на поле изменяется).
+* Отчет по полученным данным.
+
+## Код
+
+Код на GitHub: https://github.com/vas0x59/ior2020_uav_L22_AERO.
+
+## Основной код
+
+При реализации кода в первоначальной концепции использовались свои типы сообщений, множество нод и других возможностей ROS, для обеспечения этого функционала необходимо создавать пакет и компилировать его, но из-за специфики соревнований (использование одной SD-карты для все команд) весь код был объединен в один файл. Данный подход усложнил отладку, но упростил запуск на площадке.
+
+Элементы программы:
+
+1. Взлет.
+2. Распознавание QR-кода.
+3. Поиск цветных маркеров.
+4. Посадка.
+5. Генерация отчета и видео.
+
+Итоговыми координатами маркеров являются автоматически сгруппированные и усредненные данные из системы распознавания полученных за весь полет. Для покрытия всей территории была выбрана траектория "Зиг-заг". Для отладки применен симулятор Gazebo.
+
+## Цветные маркеры
+
+`l22_aero_vision/src/color_r_c.py`
+
+Для обработки изображения с камеры и детектирования объектов мы использовали функции из библиотеки OpenCV.
+
+Алгоритм:
+
+1. Получение изображения и параметров камеры.
+2. Построение маски по определенному диапазону цветов (в формате HSV).
+3. Детектирование контуров цветных объектов.
+4. Определение типа объекта, получение ключевых точек объекта на изображении.
+5. Определение положения квадратов и кругов с помощью solvePnP основываясь на реальных размерах объектов и точках на изображении ([OpenCV Docs](https://docs.opencv.org/3.4/d9/d0c/group__calib3d.html#ga549c2075fac14829ff4a58bc931c033d)).
+6. Отправка результата в топики `/l22_aero_color/markers`  и  `/l22_aero_color/circles` (координаты относительно `main_camera_optical`).
+
+Во время разработки были созданы свои типы сообщений, а также сервис для настройки параметров детектора во время посадки. (`ColorMarker`, `ColorMarkerArray`, `SetParameters`).
+
+Для определения положения цветных объектов в системе координат поля была использована библиотека TF ([http://wiki.ros.org/tf](http://wiki.ros.org/tf))
+
+Из-за искажений по краям изображения от fisheye-объектива все распознанные контуры находящийся рядом с краем изображения игнорируются. Во время посадки данный фильтр отключается. Определение типа объекта производиться с помощью функций анализа контуров (approxPolyDP - кол-во вершин; `minAreaRect`, `contourArea` - соотношение площади описанного квадрата и площади контура + соотношение сторон).
+
+<img src="../assets/5_D1_2.jpg" height="355">
+
+Примеры распознавание маркеров:
+
+<iframe width="600" height="360" src="https://www.youtube.com/embed/kCW87RTA838" frameborder="0" allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe>
+
+## Визуализация в RViz
+
+`l22_aero_vision/src/viz.py`
+
+Для отладки распознавания объектов создан скрипт визуализирующий координаты маркеров в среде RViz.
+
+<iframe width="560" height="315" src="https://www.youtube.com/embed/6xJ33UD-NfE" frameborder="0" allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe>
+
+## QR-код
+
+<img src="../assets/qr.jpg" width="400" title="Момент распознавания QR-кода во время зачетной попытки">
+
+Для выполнения задачи распознавания QR-кода была использована библиотека PyZbar. С целью повышения результативности и точности распознавания QR-кода полеты производились на небольшой высоте по точкам, расположенным вокруг данного объекта.
+
+## Посадка
+
+Посадка выполняется в 3 этапа:
+
+1. Перелет к предполагаемой зоне посадки и зависание на высоте 1.5 м.
+2. Спуск до высоты в 0.85 м с 3 корректировками по координатам маркера относительно `aruco_map`.
+3. Спуск в течение нескольких секунд с постоянной корректировкой по координатам маркера посадки в системе координат `body` (так как ArUco-маркеры могут быть уже не видны), вместо `navigate` используется `set_position`.
+
+<iframe width="560" height="315" src="https://www.youtube.com/embed/8nVGoWkdYcA" frameborder="0" allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe>
+
+## Gazebo
+
+По причине отсутствия возможности тестирования кода на своем реальном дроне было принято решение воспользоваться симулятором Gazebo.
+
+Для запуска пакета ПО Клевера в симуляторе можно использовать [набор скриптов](https://github.com/vas0x59/clever_sim) или [оригинальную инструкцию от PX4](https://dev.px4.io/v1.9.0/en/simulation/ros_interface.html).
+
+Для Innopolis Open было создано несколько тестовых сцен. [ior2020_uav_L22_AERO_sim](https://github.com/vas0x59/ior2020_uav_L22_AERO_sim).
+
+Также использование симулятора ускорило отладку полного выполнения кода, так как запуск производился с real time factor=2.5.
+
+<img src="../assets/real_map.jpg" height="250">
+
+<img src="../assets/big_map.jpg" height="250">
+
+При тестировании выявлены некоторые проблемы (некорректное положение `aruco_map`) с использованием дисторсии в плагине камеры, поэтому в симуляторе использовалась камера типа Pinhole (без искажений от объектива).
+
+## ROS
+
+Созданные ноды, топики, сообщения и сервисы.
+
+### Nodes
+
+* `l22_aero_vision/color_r_c.py` - распознавание цветных объектов.
+* `l22_aero_vision/viz.py` - визуализация в RViz.
+* `l22_aero_code/full_task.py` - основной код.
+
+### Topics
+
+* `/l22_aero_color/markers` (`l22_aero_vision/ColorMarkerArray`) - список прямоугольных маркеров.
+* `/l22_aero_color/circles` (`l22_aero_vision/ColorMarkerArray`) - список круглых маркеров.
+* `/l22_aero_color/debug_img` (`sensor_msgs/Image`) - изображение для отладки.
+* `/qr_debug` (`sensor_msgs/Image`) - изображение для отладки.
+
+### Messages
+
+#### `ColorMarker`
+
+```
+string color
+int16 cx_img
+int16 cy_img
+float32 cx_cam
+float32 cy_cam
+float32 cz_cam
+float32 size1
+float32 size2
+int16 type
+```
+
+#### `ColorMarkerArray`
+
+```
+std_msgs/Header header
+l22_aero_vision/ColorMarker[] markers
+```
+
+### Services
+
+#### `SetParameters`
+
+```
+float32 rect_s1
+float32 rect_s2
+float32 circle_r
+int32 obj_s_th
+int32 offset_w
+int32 offset_h
+---
+```