Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Przegląd Elektrotechniczny

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: VSLAM

Sortuj według:

Ogranicz wyniki do:

Visual simultaneous localization and mapping using direct-based method for unmanned aerial vehicle (UAV)

Badzli Muhammad Harith, Yatim Norhidayah Mohamad, Jamaludin Amirul, Noh Z. Mohd, Idris Muhammad Idzdihar, Sulaiman Noor Asyikin, Othman Nur Aqilah

Przegląd Elektrotechniczny

2023

R. 99, nr 8

129--134

The Direct Sparse Odometry (DSO) technique is a new form of visual odometry that makes use of a direct and sparse structure to achieve precision. In this project, the objective is to apply the DSO algorithm on the Unmanned Aerial Vehicle (UAV) application. The main studies in this project are focusing on the experimentation for DSO algorithm parameter setting. Another objective is to evaluate the parameter and performance of DSO algorithm. The data evaluation was based on three different environments in the university campus. In this project, the Realsense D435i camera was applied to the RDDRONE-FMUK66 with interface of the Raspberry Pi 3 B+ model to capture the data. This project managed to analyze suitable point values on the active points and gradient parameter setting. The same parameter configuration which concerns on point density and keyframe management have been experimented in the three environment. From this project it is concluded that DSO on UAV can be improved in order to gain a stable data processing to be applied in the algorithm.

Technika Direct Sparse Odometry (DSO) to nowa forma wizualnej odometrii, która wykorzystuje bezpośrednią i rzadką strukturę w celu osiągnięcia precyzji. W tym projekcie celem jest zastosowanie algorytmu DSO w aplikacji Bezzałogowego Statku Powietrznego (UAV). Główne badania w tym projekcie koncentrują się na eksperymentach dotyczących ustawiania parametrów algorytmu DSO. Kolejnym celem jest ocena parametrów i wydajności algorytmu DSO. Ocena danych została oparta na trzech różnych środowiskach w kampusie uniwersyteckim. W tym projekcie kamera Realsense D435i została zastosowana do RDDRONE-FMUK66 z interfejsem modelu Raspberry Pi 3 B+ do przechwytywania danych. W ramach tego projektu udało się przeanalizować odpowiednie wartości punktów w aktywnych punktach i ustawienia parametrów gradientu. Ta sama konfiguracja parametrów, która dotyczy gęstości punktów i zarządzania klatkami kluczowymi, została przetestowana w trzech środowiskach. Z tego projektu wynika, że DSO na UAV można udoskonalić w celu uzyskania stabilnego przetwarzania danych do zastosowania w algorytmie.

VSLAM analysis using various ORBSLAM parameters setting

Idris M. I., Hussin H., Junos S. A. M., Saad W. H. M., Shah Zainudin M. N., Yatim N. M., Jaafar A. S., Kamarudin M. R., Saipullah K. M.

Przegląd Elektrotechniczny

2022

R. 98, nr 9

40--45

SLAM or simultaneous localization and mapping system, is a system that determines the orientation and position of a robot by creating a detailed map of the environment while simultaneously tracking where the robot is within the environment. This project aims to use the camera as SLAM primary sensor to replace the LiDAR sensor frequently used in autonomous robots. ORBSLAM is used as the main algorithm, and a few settings are being adjusted to get the most accurate results. The Absolute Trajectory Error and Relative Pose Error are used to evaluate the algorithm's accuracy. After the most optimized setting is found, the setting is used for real-time mapping in an unknown environment.

SLAM lub system jednoczesnej lokalizacji i mapowania, to system, który określa orientację i pozycję robota, tworząc szczegółową mapę otoczenia, jednocześnie śledząc, gdzie robot znajduje się w środowisku. Celem tego projektu jest wykorzystanie kamery jako głównego czujnika SLAM, który zastąpi czujnik LiDAR często używany w autonomicznych robotach. ORBSLAM jest używany jako główny algorytm, a kilka ustawień jest dostosowywanych, aby uzyskać jak najdokładniejsze wyniki. Bezwzględny błąd trajektorii i względny błąd pozycji służą do oceny dokładności algorytmu. Po znalezieniu najbardziej zoptymalizowanego ustawienia jest ono używane do mapowania w czasie rzeczywistym w nieznanym środowisku.