結合單樣本學習與深度特徵擷取技術於多旋翼無人機之自主式交叉視角定位系統

Abstract

近年來隨著自走車技術日新月異的發展，終端運算之於機器自主性的技術亦有顯著的突破，特別是多旋翼無人機的自主性控制與即時運算處理。本研究基於此發展趨勢，研究現階段對於運算力仍較吃重的卷積神經網絡於多旋翼無人機上之應用與表現。以無人機的交叉視角定位為目的，目標在於解決無人機之自主定位長期仰賴GPS訊號，然而實際應用上卻時常遭遇訊號定位不穩定或完全無GPS訊號之情況。在該情境下，無人機如何透過周遭視角辨別所在位置，甚至進一步得到路徑方位在全域性空間上的規劃，為本研究探討研究之議題。 本研究提出一套基於卷積神經網絡特徵擷取的單樣本學習模型於無人機交叉視角定位上的方法。系統首先通過離線之模型學習相同地點、不同地點的場景特徵，以 達到模型能判斷給定的兩張場景影像是否在同一位置之目的。而後再藉由無人機即時傳入之影片畫面與地面預先運算之特徵向量進行最近距離的查找，將運算結果映射至正射影像上的位置，進而輔助後續全域性路徑規劃之應用。 本研究將過去用於交叉視角影像檢索上的方法，結合近年來有顯著發展的單樣本學習模式，應用在無人機之狀態意識、視覺定位問題上，並且以實際設備捕捉之無人機視角影像、測試影片等驗證該方法在真實世界中之可行性。研究內容主要可分為兩部分：第一部分呈現以圖像檢索問題訓練離線學習模型的過程，提出如何以現有圖資訓練並改進模型，達成目標資料集在判定位置上之可行效能。第二部分則呈現對於訓練模型的調整，縮短交叉視角定位誤差，以達成精準定位之目的。

Date of Award	2018 Jun 19
Original language	Chinese
Supervisor	Yueh-Min Huang (Supervisor)