Студент МАИ придумал автономную систему навигации для беспилотников

Систему автономной навигации беспилотников, основанную на работе свёрточной 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 %.

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 съёмки.

В МАИ предложили использовать для ориентирования в пространстве данные с камеры и показания бортовых акселерометров, в режиме реального времени вычислять траекторию камеры и строить трёхмерную реконструкцию пространства.

При попадании в «мёртвую» 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 свёрточная 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 объекта для каждого участка, а также его границы и размер.

Разработкой технологии автономной навигации и распознавания объектов занимается студент 5-го курса института № 3 «Системы управления, информатика и электроэнергетика» МАИ Артемий Мазаев.

Проект победил в молодёжном конкурсе «УМНИК» и финансируется Фондом содействия инновациям.