Thesis (M.Sc)-Cairo University, 2025.

Bibliography: pages 373-377.

This study focuses on the development and testing of obstacle detection and avoidance
strategies for autonomous quadcopters. LiDAR sensor were chosen for its precision and
compatibility with the Artificial Potential Field (APF) and Vector Field Histogram (VFH)
algorithms. The quadcopter system, built with the PX4 autopilot, Marvelmind Indoor
Positioning System, and RPLidar A1M8, was validated through simulation in Gazebo and
real-world experiments. Simulations revealed APF’s effectiveness for simple environments
but noted oscillatory behavior near obstacles and challenges with local minima. VFH
provided smoother navigation by leveraging polar histograms but required higher
computational power. Real-world tests confirmed simulation accuracy, with APF showing
reduced oscillations due to parameter updates and VFH efficiently navigating gaps
between obstacles. APF achieved higher sampling rates, while VFH demonstrated superior
path-planning precision. The study highlights the reliability of simulation as a development
tool and demonstrates the effectiveness of LiDAR-based systems for real-time obstacle
avoidance.

ركزت الدراسة على تطوير واختبار استراتيجيات تجنب العقبات للطائرات الرباعية باستخدام مستشر LiDAR وخوارزميتي APF وVFH. تم بناء النظام باستخدام الطيار الآلي PX4، ونظام تحديد المواقع الداخلي Marvelmind، ومستشعر RPLidar A1M8. تم التحقق من فعالية النظام عبر المحاكاة والتجارب الواقعية. أظهرت المحاكاة أن خوارزمية APF فعالة في البيئات البسيطة لكنها تعاني من التذبذبات. في المقابل، قدمت خوارزمية VFH تنقلًا أكثر سلاسة ودقة. أكدت التجارب الواقعية نتائج المحاكاة، حيث تفوقت APF في معدلات العينات، بينما أظهرت VFH أداءً أفضل في تخطيط المسارات. يساهم البحث في تحسين أمان وكفاءة الطائرات الرباعية في البيئات الداخلية.

Issues also as CD.

Text in English and abstract in Arabic & English.