Autonomiczny łowca dronów działający w oparciu o głębokie uczenie się i obliczenia na całym pokładzie w środowiskach pozbawionych GPS to raport autorstwa
This paper introduces a UAV platform designed for autonomous detection, pursuit, and neutralization of other small UAVs in GPS-denied environments. The platform employs a pre-trained machine learning model to detect, track, and follow a target drone within its sensor range. A comprehensive dataset of 58,647 images is collected and generated for training a Tiny YOLO detection algorithm. The validation of this algorithm, coupled with a straightforward visual-servoing approach, is performed on a physical platform. The results demonstrate the platform’s capability to effectively track and follow a target drone at an estimated speed of 1.5 m/s. However, performance is constrained by the detection algorithm’s 77% accuracy in cluttered environments, an eight frames-per-second frame rate, and the camera’s limited field of view.
Data publikacji- Listopad 2019 r.
Autonomous dron hunter operating by deep learning and all-onboard computations in GPS-denied environments contains the following major sections:
- Wprowadzenie
- Powiązane prace
- Wkład
- Struktura Paer
- Materiały i metody
- Wyniki
- Dyskusja
- Wnioski
Otwarty dostęp do badań
C-UAS Hub nie jest właścicielem tej zawartości i udostępnia link dla użytkowników pod adresem dno strony, aby uzyskać do niej dostęp w oryginalnej lokalizacji. Pozwala to autorom śledzić ważne metryki artykułów związane z ich pracą. Wszelkie podziękowania należą się prawowitemu właścicielowi.
Autorzy-
Zobacz także-
Rozwiązanie do przechwytywania myśliwców C-UAS Iron Drone Raider zostanie zmodernizowane
Hanwha Systems testuje drona myśliwskiego
Post Image- Prototyp drona Hunter (Źródło zdjęcia: Autorzy)
