Odhadování počtu a hustoty objektů pro relativní lokalizaci v rojích bezpilotních letounů

Abstract

Cílem této práce je návrh a otestování metody pro bezznačkovou vizuální relativní lokalizaci a kompatibilního řídícího systému pro bezpilotní autonomní helikoptéry v rojích. Metoda pro relativní lokalizaci využívá konvoluční neuronovou síť. Řídící systém je adaptací boidů, která je integrovatelná s navrhovanou relativní lokalizací. Navržená metoda relativní lokalizace byla otestována na syntetických i reálných datech s pozitivními výsledky. Simulace byla využita k ukázání, že navržená metoda relativní lokalizace je použitelná jako zdroj lokací sousedů v navrženém rojovém řídícím systému pro stabilizaci velkých rojů. Navržená metoda relativní lokalizace byla porovnána a překonala existující alternativu, která využívá hypotetický perfektní detektor.The objective of this thesis is to design and test a markerless visual method for relative localization as well as a compatible control system for unmanned aerial vehicles within large swarms. A convolutional neural network is employed for the relative localization. The control system is adapted from the boids principles to integrate with the proposed relative localization system. The performance of the relative localization system is tested on both synthetic and real data with positive results. A simulation is used to prove the capability of the proposed relative localization system to be used as the source of neighbor locations together with the proposed control system for large-scale swarm stabilization. The proposed method of relative localization is compared to and outperformed an existing alternative state-of-the-art approach that utilizes a hypothetical perfect object detector.