무인항공기가 모니터링과 같은 임무를 수행하기 위해서는 이륙, 착륙 및 비행 시 안정된 자세를 유지 하여야 된다. 기존의 드론은 비행 중 일 때, 이륙 지점으로 자동으로 돌아와 착륙하는 Return To Home 기능을 사용하는데, 이러한 방법은 GPS를 사용하여 착륙을 진행하기 때문에 정확한 지점에 착륙하기 어렵다는 단점을 가지고 있다. 본 논문에서는 쿼드로터형 무인 비행체에 비전 센서를 부착하여 착륙 지점을 인식하여 자동 착륙하는 알고리즘을 제안한다. 착륙 지점을 인식할 때 영상 입력을 사용하여 CNN(Convolutional Neural Network) 기반의 알고리즘을 사용하여 착륙 지점에 외란이 발생하거나 객체 인식 오류가 발생하는 것을 줄였으며, 비전 데이터를 이용하여 착륙 지점의 좌표를 계산하고, 착륙 지점에 정확하게 자동으로 랜딩을 수행하는 제어 기법에 대하여 다루었다. 알고리즘의 유효성을 입증하기 위하여 기존의 방식인 Return To Home 기능을 사용한 랜딩과, 제안하는 알고리즘을 적용한 랜딩의 GPS 데이터를 실험을 통해 비교하여 검증하였다.
무인항공기가 모니터링과 같은 임무를 수행하기 위해서는 이륙, 착륙 및 비행 시 안정된 자세를 유지 하여야 된다. 기존의 드론은 비행 중 일 때, 이륙 지점으로 자동으로 돌아와 착륙하는 Return To Home 기능을 사용하는데, 이러한 방법은 GPS를 사용하여 착륙을 진행하기 때문에 정확한 지점에 착륙하기 어렵다는 단점을 가지고 있다. 본 논문에서는 쿼드로터형 무인 비행체에 비전 센서를 부착하여 착륙 지점을 인식하여 자동 착륙하는 알고리즘을 제안한다. 착륙 지점을 인식할 때 영상 입력을 사용하여 CNN(Convolutional Neural Network) 기반의 알고리즘을 사용하여 착륙 지점에 외란이 발생하거나 객체 인식 오류가 발생하는 것을 줄였으며, 비전 데이터를 이용하여 착륙 지점의 좌표를 계산하고, 착륙 지점에 정확하게 자동으로 랜딩을 수행하는 제어 기법에 대하여 다루었다. 알고리즘의 유효성을 입증하기 위하여 기존의 방식인 Return To Home 기능을 사용한 랜딩과, 제안하는 알고리즘을 적용한 랜딩의 GPS 데이터를 실험을 통해 비교하여 검증하였다.
Unmanned aircraft must be in a stable position during takeoff, landing and flight to perform tasks such as monitoring. Existing drones use the Return To Home function, which automatically returns to the take-off point and landing when in flight. This method has the disadvantage that it is difficult ...
Unmanned aircraft must be in a stable position during takeoff, landing and flight to perform tasks such as monitoring. Existing drones use the Return To Home function, which automatically returns to the take-off point and landing when in flight. This method has the disadvantage that it is difficult to land at the correct point because the landing takes place using GPS. In this paper, we propose an algorithm that recognizes the landing point by attaching the vision sensor to the quadrotor type unmanned aerial vehicle and automatically landing. Using the CNN (Convolutional Neural Network) based algorithm, it is possible to reduce the occurrence of disturbance or object recognition error at the landing point, using the vision data to calculate the coordinates of the landing point and to control the landing precisely at the point. In order to verify the validity of the algorithm, the landing using the Return to Home function and the GPS data of the landing using the proposed algorithm were compared and verified by experiments.
Unmanned aircraft must be in a stable position during takeoff, landing and flight to perform tasks such as monitoring. Existing drones use the Return To Home function, which automatically returns to the take-off point and landing when in flight. This method has the disadvantage that it is difficult to land at the correct point because the landing takes place using GPS. In this paper, we propose an algorithm that recognizes the landing point by attaching the vision sensor to the quadrotor type unmanned aerial vehicle and automatically landing. Using the CNN (Convolutional Neural Network) based algorithm, it is possible to reduce the occurrence of disturbance or object recognition error at the landing point, using the vision data to calculate the coordinates of the landing point and to control the landing precisely at the point. In order to verify the validity of the algorithm, the landing using the Return to Home function and the GPS data of the landing using the proposed algorithm were compared and verified by experiments.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.