Relativní lokalizace helikoptér z obrazu palubní kamery pomocí neuronových sítí

Abstract

Tato práce je zaměřena na problematiku relativní lokalizace a stabilizace bezpilotních helikoptér pomocí kamery. Je představen systém relativní lokalizace, který nevyžaduje žádné značky ani speciální vybavení na bezpilotní helikoptéře. Tento systém využívá konvoluční neuronovou síť pro detekci objektů v obraze, která je natrénována na detekování bezpilotních helikoptér. Byl navržen a implementován tak, aby fungoval na palubním počítači naší experimentální bezpilotní helikoptéry v reálném čase, za účelem použití tohoto systému pro relativní stabilizaci několika helikoptér nebo pro rojové chování. Výkony a omezení tohoto systému byly ověřeny v simulacích i v experimentech v reálném světě. Navrhovaný systém prokázal svoji robustnost a možnost nasazení v praxi.

The problem of camera-based relative localization and stabilization of multiple Micro Aerial Vehicles (MAVs) is tackled in this thesis. A relative localization system, which is able to work without any markers or other special equipment on the MAVs, is presented. The system utilizes a convolutional neural network for object detection in an image, which is trained to detect the MAVs. It was designed and implemented to run onboard our MAV platform in real-time in order to enable relative stabilization of several MAVs in a formation or swarm-like behavior. Performance and limitations of the system were evaluated in simulations. Furthermore, capabilities for relative stabilization were demonstrated in simulations as well as in real-world experiments. The proposed system proved to be robust and is ready for practical deployment.