Detección y seguimiento de objetos en tiempo real para vehículos aéreos no tripulados basado en redes neuronales convolucionales
Autores: Yang, Shao-Yu; Cheng, Hsu-Yung; Yu, Chih-Chang
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Detección y seguimiento de objetos en tiempo real para vehículos aéreos no tripulados basado en redes neuronales convolucionales
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Sistema
Vehículos aéreos no tripulados
Detección de objetos
Seguimiento de objetivos
ROS
YOLOv4
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 56
Citaciones: Sin citaciones
Este documento presenta un sistema aplicado a vehículos aéreos no tripulados basado en Sistemas Operativos de Robots (ROS). El estudio aborda los desafíos de una detección eficiente de objetos y seguimiento de objetivos en tiempo real para vehículos aéreos no tripulados. El sistema utiliza una arquitectura YOLOv4 podada para una detección rápida de objetos y el modelo SiamMask para un seguimiento continuo de objetivos. Un módulo Proporcional Integral Derivativo (PID) ajusta la actitud de vuelo, permitiendo un seguimiento estable de objetivos automáticamente en entornos interiores y exteriores. Las contribuciones de este trabajo incluyen explorar la viabilidad de podar modelos existentes sistemáticamente para construir un sistema de detección y seguimiento en tiempo real para el control de drones con recursos computacionales muy limitados. Los experimentos validan la viabilidad del sistema, demostrando una detección eficiente de objetos, un seguimiento preciso de objetivos y un control efectivo de la actitud. Este sistema basado en ROS contribuye al avance de la tecnología de UAV en entornos del mundo real.
Descripción
Este documento presenta un sistema aplicado a vehículos aéreos no tripulados basado en Sistemas Operativos de Robots (ROS). El estudio aborda los desafíos de una detección eficiente de objetos y seguimiento de objetivos en tiempo real para vehículos aéreos no tripulados. El sistema utiliza una arquitectura YOLOv4 podada para una detección rápida de objetos y el modelo SiamMask para un seguimiento continuo de objetivos. Un módulo Proporcional Integral Derivativo (PID) ajusta la actitud de vuelo, permitiendo un seguimiento estable de objetivos automáticamente en entornos interiores y exteriores. Las contribuciones de este trabajo incluyen explorar la viabilidad de podar modelos existentes sistemáticamente para construir un sistema de detección y seguimiento en tiempo real para el control de drones con recursos computacionales muy limitados. Los experimentos validan la viabilidad del sistema, demostrando una detección eficiente de objetos, un seguimiento preciso de objetivos y un control efectivo de la actitud. Este sistema basado en ROS contribuye al avance de la tecnología de UAV en entornos del mundo real.