橋梁是連接社會經濟運輸道路網的非常重要的基礎設施結構，而橋梁檢測則是維持橋梁結構可用性和服務安全的必要方法。通過橋梁監控，可以保證橋梁的使用安全。在台灣，維護部門通常會定期檢查橋梁，大多使用傳統的檢查方法，這些方法依靠肉眼或輔助工具來檢測橋梁的主要部件是否有裂縫，生鏽和其他損壞，但此方法費時且費力，對檢測人員之安全也堪慮。隨著航空攝影和遙感探測技術的不斷發展，無人機被應用在越來越多的行業中，使用無人機來進行橋梁檢測即為其中一項，使用無人機檢測橋梁的優點為成本低、使用彈性高、適應性廣等優點，但無人機的定位仰賴衛星定位訊號，當無人機處於衛星訊號不穩定的環境下時，例如在橋下，由於無法穩定接收到信號，無人機上配備的天線無法發揮定位?能，會導致無人機拍攝之影像失去地理坐標系中的位置，且無人機也無法進行自動導航。 在這項研究中，為了實時追蹤在障礙物下方飛行期間無人機的地理位置，在平台上安裝了經過率定的低成本的立體相機和雙頻雙天線RTK系統。在無人機飛行過程中，使用相機拍攝飛行中之無人機，透過You Only Look Once（YOLO）來偵測無人機的在影像中的邊界框，並使用Kernelized Correlation Filter(KCF)持續追蹤無人機位置。基於立體攝影測量技術，可以計算出無人機的三維坐標。再通過立體相機和雙天線RTK系統之間預先校準的坐標變換參數，可以得出無人機的地理坐標，並可將此地理位置回傳給無人機以進行自動導航。在這項研究中，我們將提出一個原型，並在一個控制良好的測試地點下評估其定位精度及可行性。 在精度評估中，本方法所得之無人機地理位置與參考值之較差結果皆大於預期目標的觀測距離20公尺內30公分之精度，誤差之主要來源為本研究使用之立體相機之基線過短、由載體到地圖坐標系轉換參數誤差較大，成果顯示本研究之精度與目標精度仍有差距，需改良後才可實際應用。
Using Stereo Photogrammetry and Deep Learning combined with Dual Antenna RTK for UAV Position Tracking
柏逸, 吳. (Author). 2020
學生論文: Doctoral Thesis