Detekce a lokalizace bran v závodech dronů pomocí konvolučních neuronových sítí

Abstract

Autonomní závody dronů představují náročnou úlohu, která vyžaduje rychlé a přesné zpracování obrazových dat a lokalizaci bez zásahu člověka. Tato práce se zabývá detekcí závodních branek pomocí hlubokých neuronových sítí a odhadem globální pozice dronu. Představeno je několik strategií detekce branek, zahrnujících nově implementované modely i upravené verze existujících přístupů, přičemž důraz je kladen na jejich využití v reálném čase v palubních systémech. Součástí práce je rovněž kompletní lokalizační systém založený výhradně na vizuálních datech, který odhaduje globální polohu dronu porovnáváním detekovaných bran s předem známými souřadnicemi na mapě pomocí geometrických korespondencí a algoritmu PnP. Navržené modely dosahují doby zpracování až 22 milisekund na snímek a přesnosti detekce bran přesahující 92% na datech z reálných závodů. Navržený lokalizační systém poskytuje odhady globální pozice s průměrnou chybou 22,75 metru, což poukazuje na náročnost spolehlivé navigace v reálném čase pouze na základě vizuálních vstupů v soutěžních podmínkách závodů dronů.Autonomous drone racing presents a demanding challenge that requires fast and accurate visual perception and localization without human intervention. This thesis addresses the task of detecting drone racing gates using deep neural networks and estimating the global pose of the drone. Several gate detection strategies are proposed, including newly implemented models and adaptations of existing approaches, with a focus on real-time applicability in onboard systems. Furthermore, a complete vision-only localization pipeline is introduced, which estimates the global pose of the drone by matching detected gates to known map coordinates using geometric correspondences and the PnP algorithm. The proposed models achieve inference times as low as 22 milliseconds per frame and gate detection accuracy exceeding 92% on real-world racing data. The localization pipeline provides global pose estimates with an average position error of 22.75 meters, demonstrating the challenges and limitations of robust real-time navigation using visual input alone in competitive drone racing scenarios.