English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 46962/50828 (92%)
造訪人次 : 12536801      線上人數 : 269
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    主頁登入上傳說明關於CCUR管理 到手機版


    請使用永久網址來引用或連結此文件: https://irlib.pccu.edu.tw/handle/987654321/52899


    題名: CNN應用於無人機自主移動規劃之研究
    A Study of CNN for Autonomous Drone Motion Planning
    作者: 廖育賢
    貢獻者: 資訊工程學系
    關鍵詞: Drone Racing
    CNN
    Gazebo
    AirSim
    日期: 2023
    上傳時間: 2023-08-07 10:08:09 (UTC+8)
    摘要: 無人機應用越來越廣泛,從早期一開始的軍用大型無人機,到現在隨處可見的小型民用無人機。近年來無人機結合深度學習,用在許多方面產業,如貨運、娛樂、農業,其中還發展出了一項競技,無人機競技比賽,從一開始由人類駕駛員操控無人機通過門,到近年由電腦駕駛員操控無人機通過門,檢測門方面技術更是有許多種,如影像檢測、感測器。本研究目的在於比較不同的影像檢測和控制操作,架構分為兩大類,前端為影像處理和特徵學習,後端為無人機飛行路線規劃和決策。實現方法為比較4種不同的CNN的差別,並在兩種不同無人機模擬器中進行測試,模擬器為Gazebo和AirSim這兩種物理模擬器,來進行無人機通過一圈門框測試,輸入訓練數據將有分為人類駕駛員操作和數學演算法的導航,作為無人機飛行操作依據,無人機操作主要分為向前移動、左右移動、左右旋轉、上下移動。結果顯示使用影像處理方式較多的方法,和無人機飛行訓練數據使用數學演算法的方法,實驗結果為最佳。本研究測試的無人機穿過門的四種方案,在實驗中取得了各種不同的結果。未來的研究可以進一步探討如何在更加複雜的環境中應用方法,而不是在模擬器中。未來研究者在實驗環境,訓練數據類型,能夠有個參考方向。
    顯示於類別:[資訊工程學系] 博碩士論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML240檢視/開啟


    在CCUR中所有的資料項目都受到原著作權保護.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋