งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

เรียบเรียงโดย น. ต. วัชรพงษ์ เข็มเพ็ชร รองหัวหน้าแผนกจัดดำเนินงาน กองซ่อมบริภัณฑ์ กรมช่างอากาศ.

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "เรียบเรียงโดย น. ต. วัชรพงษ์ เข็มเพ็ชร รองหัวหน้าแผนกจัดดำเนินงาน กองซ่อมบริภัณฑ์ กรมช่างอากาศ."— ใบสำเนางานนำเสนอ:

1 เรียบเรียงโดย น. ต. วัชรพงษ์ เข็มเพ็ชร รองหัวหน้าแผนกจัดดำเนินงาน กองซ่อมบริภัณฑ์ กรมช่างอากาศ

2

3 Flight Controller GPS IMU RADAR Pt-St UAV Dynamics Feedback Control ทิศทาง ตำแหน่ง สิ่งกีดขวาง เร็ว + สูง

4 ข้อจำกัดของการใช้ INS + GPS + Radar  มีขนาดใหญ่ น้ำหนักมาก ไม่สามารถใช้กับ UAV ขนาดเล็กได้  จะใช้พลังงานไฟฟ้ามาก  GPS ไม่สามารถใช้งานได้เมื่ออยู่ภายในอาคาร หรือพื้นที่อับสัญญาณ ข้อดีของ Visual Based Navigation  Passive Sensor(camera)  น้ำหนักเบา  ให้ข้อมูลที่สามารถนำไปประยุกต์ใช้งานอื่นๆ ได้  สามารถไปได้ทุกที่

5  Map-based Navigation Systems : เริ่มต้น จากการให้หุ่นยนต์ศึกษาเส้นทางและสถานที่ สำคัญโดยข้อมูลที่ได้จากถูกนำมาสร้างภาพ 2D จากนั้นผู้ใช้จึงกำหนดเป้าหมายที่จะไป  Map-building Navigation Systems : วิธีการเดียวกับวิธีการข้างต้นแต่ข้อมูลที่ได้มา สร้างเป็นภาพ 3D  Mapless Navigation Systems : วิธีการนี้ไม่จำเป็นต้องศึกษาเส้นทางก่อน เพียงแต่ใช้เทคนิคทางคณิตศาสตร์และ 3D ใน การคำนวณหาภาพถัดไป ส่วนใหญ่ใช้วิธี Optical Flow-Based ในการคำนวณภาพ

6

7 Vision ModuleControl Module

8  Optical Flow Computation ทำหน้าที่ในการแปลง ภาพ 2 มิติมาสร้างให้เป็นภาพ 3 มิติที่สัมพันธ์กับ สภาวะจริง  Optical Flow Interpretation ทำหน้าที่ในการนำ ภาพที่ได้จาก ขั้นตอนแรกไปปรับปรุงใช้งานจากการ หมุนของภาพที่ได้ เทียบกับอัตราเร็วเชิงมุม (Angular Rate) ของภาพก่อนหน้า และการปรับขอบของภาพให้ เข้ากัน

9

10 • Geometrical Transformation

11 • Optical FlowDifferential

12 WiFi Antenna GPS Antenna Microcontroller Vision System Navigation Sensor X-3D-BL

13

14 OF-based Velocity as accurate as GPS data ( วีดีโอ )

15 OF-based Position Height and Horizontal more accurate than GPS

16 ในการทดสอบนี้ได้ทำการทดสอบในงานแสดงนานาชาติ Tokyo Big Sight ( วีดีโ อ )

17 Auto Flight มีความ stable มากกว่า Manual Flight Autonomous Flight

18  Object Tracking Object Tracking  Automatic Vertical Take-off and Landing(VTOL)  อุปกรณ์สืบค้นในโรงงานไฟฟ้านิวเคลียร์  การจับรถถัง หรือยานพาหนะ  University of Technology of Compiegne, France  Chiba University, Japan  Massachusetts Institute of Technology, USA

19 ?

20  vision-based precise auto-landing: vision-based precise auto-landing  optic flow based autonomous indoor flight: optic flow based autonomous indoor flight  Visual Servoing of a Miniature Rotorcraft UAV for Moving Ground Target Tracking: Visual Servoing of a Miniature Rotorcraft UAV for Moving Ground Target Trackinghttp://www.youtube.com/watch?v=-IpbOd-UuG4  velocity trajectory tracking using optic flow: velocity trajectory tracking using optic flow  moving target tracking: moving target trackinghttp://www.youtube.com/watch?v=6obHavVvJyk  vision-based hovering: vision-based hoveringhttp://www.youtube.com/watch?v=9I8BXtbrDQM  Fully autonomous flight of a rotorcraft MAV using optic flow: Fully autonomous flight of a rotorcraft MAV using optic flow  spiral trajectory tracking by an autonomous quadrotor micro air vehicle: spiral trajectory tracking by an autonomous quadrotor micro air vehicle  waypoint navigation of a small rotorcraft micro air vehicle: waypoint navigation of a small rotorcraft micro air vehicle

21  Farid Kendoul, Isabelle Fantoni, Kenzo Nonami."Optic Flow-Based Vision System for Autonomous 3D Localization and Control of Small Aerial Vehicles".University of Technology of Compiegne, Compigne, France.  Terry Cornall, Greg Egan.”Optical Flow methods applied to unmanned air vehicles”.Monash University, Clayton 3800 Victoria, Australia.  Francisco Jes´us Bonin Font. “An Inverse-Perspective-based Approach to Monocular Mobile Robot Navigation”. Universitat de les Illes Balears, 2012  Francisco Bonin-Font, Alberto Ortiz and Gabriel Oliver. “Visual Navigation for Mobile Robots: a Survey”. Department of Mathematics and Computer Science, University of the Balearic Islands,Palma de Mallorca, Spain.  Jiangjian Xiao, Changjiang Yang, Feng Han, and Hui Cheng."Vehicle and Person Tracking in UAV Videos".Sarnoff Corporation.  Randolf Menzel, Karl GeiGer, Lars Chittka, JasDan Joerges, Jan Kunze and Uli Muller.”The Knowlwdge Base of Bee Navigation”. Berlin, Germany.  Dacke, M. and Srinivasan, M. V. (2007). Honeybee navigation: distance estimation in the third dimension. J. Exp. Biol. 210,  “FastAppearance Based Mapping”.www.robots.ox.ac.uk /~mobile/wikisite/pmwiki/pmwiki.php?n=Main.FABMAPwww.robots.ox.ac.uk /

22

23 ภาพจากกล้องวีดีโอเมื่อทดสอบ Position Control ภาพที่เกิดจาก integrate displacement สำหรับ position feedback Poor image quality and textureless environment

24  1 St KF ปรับปรุงคุณภาพ และความเข้มแสงของภาพ เพื่อสร้างภาพ 3 มิติ  2 Nd KF ปรับปรุงการหมุนของภาพ  3 Rd KF ปรับปรุงการเปลี่ยนแปลงของภาพจาก ความเร็วของภาพที่เปลี่ยนไป

25  Sum of Absolute Difference(SAD)  Nominal Displacement  Shape of Path Transformation

26  Observed Brightness  State Vector of X by brownian process

27  Optical flow คือ vector field ซึ่งแสดงถึงทิศทาง และขนาดของการเปลี่ยนแปลงความเข้ม (intensity) จากภาพหนึ่งกับภาพอื่นๆ เพื่อเทียบเคียง กันถึงแม้จะมีมุมของภาพ หรือแสงที่ต่างกัน  brightness constant constraint(BCC) and smoothness constraint (u,v) = optical flow vector (Ix,Iy)=image intensity gradient It=temporal change

28 Translation velocity Rotation Object Image coordinate of P

29 Optical Patterns Fig.3 Motion Z axis Distinct max magnitude of divergence Divergence and curl plot hotter colors=greater magnitude Fig.4 pitching motion

30 Fig.5 Rotational Field an Curl Curl=max at rotation axis Fig.6 Combine rotation and translation

31  Ground Control Station  Display Flight  Send Navigation Command take-off, landing, hovering  GPS and INS = Position and Velocity  AHRS = Attitude  Vision-based  คำนวณหา ความเร็ว, ความสูง และตำแหน่ง จากภาพ เทียบกับ IMU  ความเร็ว, ความสูง, ตำแหน่ง ที่คำนวณได้จาก Vision-based และจาก GPS/INS จะถูกนำมา เปรียบเทียบกันที่ Ground Control Station เพื่อ ทดสอบความแม่นยำ

32  ความสามารถการ hovering flight และ velocity trajectory tracking(forward, backward, sideward) เพื่อทดสอบการ sfm algorithm ( ความเร็ว สูง )  Take off->hover->trajectory  ผลการทดสอบ ความเร็ว การนำทางโดย vision และ gps ตรงกัน

33  ทดสอบความสามารถของ trajectory(position,height, velocity, orientation)  Take off->hovering->auto landing

34  ได้ทำการแสดงในงาน Tokyo big sight international exhibition


ดาวน์โหลด ppt เรียบเรียงโดย น. ต. วัชรพงษ์ เข็มเพ็ชร รองหัวหน้าแผนกจัดดำเนินงาน กองซ่อมบริภัณฑ์ กรมช่างอากาศ.

งานนำเสนอที่คล้ายกัน


Ads by Google