Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Przegląd Elektrotechniczny

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

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.

A framework for chili fruits maturity estimation using deep convolutional neural network

Zainudin M.N.Shah, Husin Najihah, Saad W. H. Mohd, Radzi S. Mohd, Noh Z. Mohd, Sulaiman N. A., Razak M. S. J. A.

Przegląd Elektrotechniczny

2021

R. 97, nr 12

77--81

An agriculture robot has been demanded in recent years. Inaccurate in estimating the maturity of the chili always happens since the human eyes are tend to prone to errors. Serving an effective, innovative, feasible chili recognition system would help farmers as economical alternative by reducing the workloads while increasing fruit yield. Hence, a comprehensive framework of chili maturity estimation using deep learning is carried out.

W ostatnich latach pojawił się popyt na robota rolniczego. Niedokładne oszacowanie dojrzałości chili zawsze się zdarza, ponieważ ludzkie oczy są podatne na błędy. Dostarczenie skutecznego, innowacyjnego i wykonalnego systemu rozpoznawania chili pomogłoby rolnikom jako ekonomiczna alternatywa, zmniejszając obciążenie pracą przy jednoczesnym zwiększeniu plonów owoców. W związku z tym przeprowadzane są kompleksowe ramy szacowania dojrzałości chili z wykorzystaniem głębokiego uczenia.