Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2162| A CNN Pilot for Autonomous Drone Racing | |
| Leticia Oyuki Rojas-Perez | |
| JOSE MARTINEZ CARRANZA | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Autonomous drone racing CNN y Deep learning | |
| Convolutional neural networks (CNN) and deep learning (DL) have become a popular tool for addressing all kinds of artificial intelligence challenges. The Autonomous Drone Race is a challenge that consists of developing a drone capable of defeating a human in a drone race. DL is a tool that has been included in state-of-the-art solutions to address this problem. Current work has proposed using CNN and DL to detect the gates, while other work has proposed using a CNN to obtain the flight speed and a three-dimensional reference point, these data are used by the controller to generate the corresponding control signals. It should be noted that all these approaches use a single frame as input. Motivated by the above, this work aims to develop a CNN to obtain the control signals directly for a drone to navigate autonomously in a drone racing circuit. This implies two levels of difficulty: 1) navigating through a predefined sequence of gates; 2) navigating in an environment where the location of the gates is not known a priory. The performance tests were carried out in the Gazebo simulator, using the AR drone vehicle. Las redes neuronales convolucionales (CNN) y el aprendizaje profundo (DL) se han convertido en una herramienta popular para abordar todo tipo de desafíos de inteligencia artificial. La Carrera de Drones Autónomos es un desafío que consiste en desarrollar un dron capaz de vencer a un humano en una carrera de drones. DL es una herramienta que ha sido incluida en las soluciones de última generación para abordar este problema. Los trabajos actuales han propuesto utilizar CNN y DL para detectar las puertas, mientras que otros trabajos han propuesto utilizar una CNN para obtener la velocidad de vuelo y un punto tridimensional de referencia, estos datos son utilizados por el controlador para generar las señales de control correspondientes. Cabe resaltar que todos estos enfoques utilizan una sola imagen como entrada. Motivados por lo anterior, este trabajo tiene como propósito desarrollar una CNN que permita obtener directamente las señales de control para que un dron pueda navegar de manera autónoma en un circuito de carrera de drones. Esto implica dos niveles de dificultades: 1) navegar a través de una secuencia de puertas predefinida; 2) navegar en un entorno donde no se conoce a priori la ubicación de las puertas. Las pruebas de funcionamiento se llevaron acabo en el simulador Gazebo, utilizando el vehículo AR drone. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 2020 | |
| Tesis de maestría | |
| Inglés | |
| Estudiantes Investigadores Público en general | |
| Rojas Pérez, Leticia Oyuki., (2020), A CNN Pilot for Autonomous Drone Racing, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| DISPOSITIVOS DE CONTROL | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Ciencias Computacionales |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| Tesis_MCC_Leticia_Oyuki_Rojas_Perez.pdf | 15.78 MB | Adobe PDF | Visualizar/Abrir |