Аналіз та дослідження системи керування БПЛА на основі ШІ
Автор: Сеник Сергій Богданович
Кваліфікаційний рівень: магістр
Спеціальність: Комп'ютеризовані системи управління та автоматика
Інститут: Інститут комп'ютерних технологій, автоматики та метрології
Форма навчання: денна
Навчальний рік: 2023-2024 н.р.
Мова захисту: українська
Анотація: У цій роботі пропонується модель машинного навчання для обробки відеозображення та алгоритм автономного польоту БПЛА на основі даних нейронної мережі. Завдання цієї моделі полягає в обробці відеопотоку з камери і передбачення її карти глибини. Вихідні дані цієї нейронної мережі використовуються в алгоритмі автономного польоту безпілотного літального апарата. Суть алгоритму полягає в знаходженні та уникненні перешкод на маршруті польоту. Результатом реалізованої моделі та алгоритму є система керування БПЛА на основі згорткової штучної нейронної мережі, тому такий БПЛА здатний до автономного польоту, уникаючи зіткнення з перешкодами. У першому розділі було розглянуто термінологію БПЛА, проведено огляд використання та сучасного розвитку БПЛА. Було проаналізовано існуючі методи навчання штучних нейронних мереж та особливості використання штучного інтелекту в теперішніх БПЛА.[1-3] Другий розділ присвячений аналізу методів та засобів автономної навігації БПЛА та створення моделі машинного навчання для обробки зображення. Було обрано бібліотеки OpenCV і PyTorch, мову програмування Python та монокулярну відеокамеру як засіб виявлення об’єктів. Додатково було обґрунтовано використання згорткових штучних нейронних мереж.[4-6] У третьому розділі було розроблено модель машинного навчання для роботи із зображенням і створення карти глибини. Також було представлено функціональну схему системи керування БПЛА на основі штучного інтелекту і наведено алгоритм його роботи. У четвертому розділі представлена практична реалізація моделі машинного навчання для обробки потоку відеозображення та побудови його карти глибини. Було проведено підготовку вхідних даних, тренування та перевірку роботи цієї моделі. П’ятий розділ – це економічна частина, присвячена економічному обґрунтуванню доцільності роботи. Одержані результати свідчать про економічну обґрунтованість завдання. У висновках відображено результат виконаної роботи. Вони полягають у можливості використання роботи для подальшого вдосконалення автономності БПЛА та необхідності подальших досліджень системи на реальному БПЛА. Ключові слова: БПЛА, згорткова нейронна мережа, модуль комп’ютерного зору, PyTorch, Python. Перелік використаних літературних джерел: 1. Valavanis, K.P.: Advances in Unmanned Aerial Vehicles: State of the Art and the Road to Autonomy, vol. 33. Springer Science & Business Media (2008) 2. Harmat, A., Trentini, M., Sharf, I.: Multi-camera tracking and mapping for unmanned aerial vehicles in unstructured environments. J. Intell. Robot. Syst., 1–27 (2014) 3. Engel, J., Sturm, J., Cremers, D.: Scale-aware navigation of a low-cost quadrocopter with a monocular camera. Robot. Autonom. Syst. 62(11), 1646–1656 (2014) 4. Ravi Garg, Vijay Kumar B. G, and Ian D. Reid, Unsupervised CNN for single view depth estimation: Geometry to the rescue, 2016 – 173 c. 5. Huang, H.-M.: Autonomy levels for unmanned systems (ALFUS) framework, volume I: Terminology, Version 2.0 (2008) 6. Richard Szeliski (2010). Computer Vision: Algorithms and Applications. Springer-Verlag. ISBN 978-1848829343.