Odhadování polohy létajícího cíle z palubní kamery UAV pomocí vizuálního sledování

Abstract

V této práci je řešen problém odhadu polohy pohybujícího se cíle z dat palubní monokulární kamery umístěné na bezpilotním letounu. Několik přístupů, založených na Kálmánově Filtru (KF), je implementováno a porovnáno s referenční metodou, která je formulována jako optimalizační úloha založená na geometrickém průsečíku přímek. Konkrétně jsou testovány metody uniform Pseudo Linear Kalman Filter (uPLKF) a Degenerate Kalman Filter (DKF), jejichž vstupem jsou směrové vektory cíle měřené palubní kamerou, a také rozšíření těchto metod využívající rozměr cíle v obraze ke zpřesnění odhadu vzdálenosti cíle. Srovnávané metody využívají výstup vizuálního sledování cíle a sebelokalizaci pozorovatele a poskytují odhad polohy sledovaného cíle. Implementované metody jsou testovány v simulacích a na reálných datech se zaměřením na vyhodnocení vlivu nepřesností vizuálního sledování a sebelokalizace pozorovatele na výsledný odhad polohy. Metody založené na KF a využívající rozměr cíle v obraze vykazují přesnější výsledky a vyšší odolnost vůči nepřesnostem vstupních dat než přístupy založené pouze na směrových vektorech a výrazné zlepšení oproti referenční geometrické metodě.

The problem of position estimation of a moving target from a flying Micro Aerial Vehicle (MAV) with an onboard monocular camera is tackled in this thesis. Multiple approaches based on the Kalman Filter (KF) were implemented and compared to a baseline method formulated as an optimization problem based on a geometric intersection of lines. The bearing-based uniform Pseudo Linear Kalman Filter (uPLKF) and the Degenerate Kalman Filter (DKF) methods were implemented and compared along with their extensions utilizing information about the size of the object in the image to improve range estimation. The considered methods rely on the results of visual tracking of the target and the observer's self-localization as input and provide the position estimation of the target observed by the camera. The implemented methods were tested and compared both in simulations and on real-world data. The influence of uncertainty of the observer's self-localization and the visual tracking on the resulting 3D position estimation is analyzed and discussed. The comparison showed better performance of KF-based methods with the size estimation over bearing-only approaches and the baseline geometric intersection of lines approach. Furthermore, the influence of the observer's self-localization accuracy and visual tracking accuracy on the estimation were evaluated.