Implementace neuronové sítě pro autonomní sledování cesty

Abstract

Tato práce je zaměřená na problematiku sledování lesní cesty pomocí obrázku z monokulární kamery, připevněné na bezpilotní helikoptéře nebo pozemním vozidle. Je představen systém, řešící úlohu navigace podél stezky v lese. Toho bylo dosaženo s využitím klasifikační hluboké konvoluční neuronové sítě pro určení směru natočení helikoptéry vzhledem k cestě. Systém byl implementován s minimálním zpožděním, aby mohl být zapojen ve zpětné vazbě s plánováním trajektorie helikoptéry v rámci MRS UAV systému. Součastí implementace je algoritmus na generování bodů trajektorie pro plánovač. Výkon a robustnost byly otestovány v simulaci a následně během experimentů v reálném světe. Implementovaný systém prokázal dobré praktické výsledky a může být použit jako výchozí bod pro komplexnější navigační a průzkumné aplikace.

The problem of autonomously following a trail by a robot based on images from an onboard monocular camera is tackled in this thesis. A robotic system that solves the task of flying through a forest along a man-made dirt trail is presented. It is accomplished by using a classification deep convolutional neural network for determining in which direction relative to the trail is the camera pointing. The output of this classifier is then used to command the robot to follow the trail. It was implemented to run online onboard an MRS multi-rotor micro aerial vehicle. Part of the implementation is also an algorithm for path planner trajectory generation. Performance and robustness was tested in simulations, followed by real-world experiments. The implemented system showed good practical results and can be used as a starting point for more complex navigation and surveillance applications.