文化大學機構典藏 CCUR:Item 987654321/52899
English  |  正體中文  |  简体中文  |  Items with full text/Total items : 46962/50828 (92%)
Visitors : 12542503      Online Users : 264
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version


    Please use this identifier to cite or link to this item: https://irlib.pccu.edu.tw/handle/987654321/52899


    Title: 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
    Authors: 廖育賢
    Contributors: 資訊工程學系
    Keywords: Drone Racing
    CNN
    Gazebo
    AirSim
    Date: 2023
    Issue Date: 2023-08-07 10:08:09 (UTC+8)
    Abstract: 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。
    Appears in Collections:[Department of Computer Science and Information Engineering] thesis

    Files in This Item:

    File Description SizeFormat
    index.html0KbHTML240View/Open


    All items in CCUR are protected by copyright, with all rights reserved.


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