Συντάχθηκε 21-02-2023 13:32
Ενημερώθηκε:
21-02-2023 16:47
Τόπος: Εξ αποστάσεως
Τηλεδιάσκεψη: https://tuc-gr.zoom.us/j/91994955071?pwd=cWhwZW5xRHlPNUU0U2VKVzFoUDRKdz09
Έναρξη: 23/02/2023 13:00
Λήξη: 23/02/2023 14:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Γεωργίου Λουκόπουλου Χατζηγιώση
με θέμα
Ενσωματωμένο Σύστημα Πραγματικού Χρόνου για Εύρεση Ανοιγμάτων Διαφυγής με Σκοπό την Πλοήγηση Μη Επανδρωμένου Εναέριου Οχήματος
Embedded System for Real-time Detection of Escape Openings Towards Unmanned Aerial Vehicle Navigation
Εξεταστική Επιτροπή
Καθηγητής Απόστολος Δόλλας (επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης
Καθηγητής Παναγιώτης Παρτσινέβελος (Σχολή ΜΗΧΟΠ)
Περίληψη
Τα μη επανδρωμένα αεροσκάφη (UAV's), γνωστά και ως drones, αποτελούν πολύ χρήσιμα εργαλεία για διάφορες εφαρμογές, συμπεριλαμβανομένων της παρακολούθησης, του ελέγχου, της παράδοσης και των αποστολών έρευνας και διάσωσης. Η αυξανόμενη ενσωμάτωση των UAVs έχει οδηγήσει σε μια αυξανόμενη ζήτηση για προηγμένα συστήματα αυτόνομης πλοήγησης. Η αυτόνομη πλοήγηση αναφέρεται στην ικανότητα των UAV's να πλοηγούνται και να μανοβράρουν χωρίς ανθρώπινη παρέμβαση, βασιζόμενα σε αισθητήρες, αλγόριθμους και διαδικασίες λήψης αποφάσεων που βρίσκονται στο εσωτερικό τους. Δύο από τις πιο κρίσιμες προκλήσεις στην αυτόνομη πλοήγηση των UAVs είναι η τοποθέτηση, και ο χαρτογραφικός προσανατολισμός, που αφορά τη δυνατότητα του drone να δημιουργήσει ένα χάρτη του περιβάλλοντός του προκειμένου να πλοηγηθεί σε αυτόν. Ένα άλλο σημαντικό στοιχείο είναι η ανίχνευση των ανοιγμάτων διαφυγής, τα οποία είναι κρίσιμα σε επείγουσες καταστάσεις, επιτρέποντας στο UAV να πλοηγηθεί μέσα από στενά ή πολύπλοκα περιβάλλοντα. Σε αυτή την εργασία, παρουσιάζουμε μια προσέγγιση που αντιμετωπίζει τις προκλήσεις της τοποθέτησης, του χαρτογραφικού προσανατολισμού και της ανίχνευσης ανοιγμάτων απόδρασης στην αυτόνομη πλοήγηση των UAVs , επιχειρώντας την ελαχιστοποίηση το κόστους, της κατανάλωσης ενέργειας και της υπολογιστικής ισχύος ενσωματώνοντας αλγορίθμους μηχανικής όρασης και αισθητήρες, διασφαλίζοντας ακριβή και ανθεκτική τοποθέτηση και χαρτογράφηση, καθώς και αποδοτική ανίχνευση ανοιγμάτων απόδρασης.
Abstract
Unmanned aerial vehicles (UAVs), also known as drones, have emerged as versatile tools for various applications, including surveillance, inspection, delivery, and search and rescue missions. The increasing popularity of UAVs has led to a growing demand for advanced autonomous navigation systems to enable them to perform complex tasks independently. Autonomous navigation refers to the ability of UAVs to navigate and maneuver without human intervention, relying on onboard sensors, algorithms, and decision-making processes. Two of the critical tasks in UAV autonomous navigation is localization, which refers to determining the drone's position and orientation relative to its environment, and mapping which is the ability of the drone to build a map of its surroundings. Another important aspect is the detection of escape openings, which are critical in emergency situations, allowing the UAV to navigate through narrow or complex environments. In this work, we present an approach that addresses the challenges of localization, mapping, and escape opening detection in UAV autonomous navigation, while minimizing cost, energy consumption, and resource usage. Our solution leverages the power of Computer Vision algorithms and sensors, enabling accurate and robust localization and mapping, as well as an efficient escape opening detection.
Σύνδεσμος τηλεδιάσκεψης
