Систему автономной навигации беспилотников, основанную на работе сверточной нейронной сети, одновременном позиционировании аппарата в пространстве и построении карты, разрабатывают в МАИ.
"Результаты тестирования обученной модели на реальных изображениях показали, что точность работы нейронной сети при распознавании движущихся объектов составила 89%", – говорится в сообщении пресс-службы вуза.
Существующие системы управления беспилотниками не могут автоматически определить, какой именно объект попал в поле зрение его камеры. Оператору необходимо либо заранее загрузить параметры цели, либо в режиме реального времени анализировать данные съемки.
В МАИ предложили использовать для ориентирования в пространстве данные с камеры и показания бортовых акслерометров, в режиме реального времени вычислять траекторию камеры и строить трехмерную реконструкцию пространства.
При попадании в "мертвую" зону на большом промежутке полёта данные камеры корректируют погрешность инерциальной навигации, которые нужны беспилотнику для получения информации о наклоне, ориентации и направлении движения. Это позволяет устранить "пробелы" спутниковой навигации и продолжать движение по заданному маршруту.
Для создания системы автоматического обнаружения типовых динамических объектов использована сверточная нейронная сеть с архитектурой под названием YOLOv3. Для обучения нейронной сети использованы данные датасета для машинного зрения Car Parking Lot Dataset (CARPK), а также видео из открытых источников. Сеть делит изображение на несколько зон и предсказывает вероятность присутствия искомого объект для каждого участка, а также его границы и размер.
Разработкой технологии автономной навигации и распознавания объектов занимается студент пятого курса института N3 "Системы управления, информатика и электроэнергетика" Московского авиационного института Артемий Мазаев.
Проект победил в молодежном конкурсе "Умник" и финансируется Фондом содействия инновациям.
