Thông tin ấn phẩm
621.3 PH-T
Nghiên cứu, tìm hiểu thiết bị bay không người lái UAV
Tác giả: Phạm, Trường Thành,
Từ khóa:
Nhà xuất bản
Trường Đại học Mở Hà NộiNăm xuất bản
2023Lần xuất bản
Đang cập nhậtNgôn ngữ
Tiếng ViệtTóm tắt
Trí tuệ nhân tạo – Artificial Intelligence đang là một trong những hướng phát triển được chú trọng trên toàn cầu vì những ứng dụng thực tiễn và độ hiệu quả của nó trong thời đại công nghệ đang phát triển vượt bậc hiện nay. Đề tài “Nghiên cứu, tìm hiểu
Đầu mục
Danh sách các kho đang có sẵn ấn phẩm
| Nơi lưu trữ | Có sẵn |
|---|---|
| Kho Luận văn | 1 |
Marc
Thông tin ấn phẩm theo chuẩn MARC 21
001
27917
002 7
004 351F6246-EDF8-4E4F-94A8-06E3A2186A49
005 202405291115
008 081223s2023||||vm|#################vie#d
009 1 0
039 ## $a20240529111510 $bdtmkhue $y20240527100930 $zdtmkhue
082 ## $a621.3 $bPH-T
100 $aPhạm, Trường Thành
245 ## $aNghiên cứu, tìm hiểu thiết bị bay không người lái UAV / $cPhạm Trường Thành; NHDKH: TS. Vương Hoàng Nam
260 ## $aH. : $bTrường Đại học Mở Hà Nội, $c2023
300 ## $a83 tr. ; $cA4
490 ## $aBộ Giáo dục và Đào tạo; Trường Đại học Mở Hà Nội
520 ## $aTrí tuệ nhân tạo – Artificial Intelligence đang là một trong những hướng phát triển được chú trọng trên toàn cầu vì những ứng dụng thực tiễn và độ hiệu quả của nó trong thời đại công nghệ đang phát triển vượt bậc hiện nay. Đề tài “Nghiên cứu, tìm hiểu thiết bị bay không người lái UAV” dựa trên những kiến thức về thị giác máy tính (Computer Vison), xử lý ảnh (Image Processing) và học sâu (Deep Learning) để nghiên cứu và triển khai các mô hình định vị thị giác cho thiết bị bay không người lái UAV. Trong luận văn này, em đã nghiên cứu hai phương pháp cho bài toán thị giác robot là định vị thị giác (Visual Odometry) và định vị thị giác quán tính (Visual Inertial Odometry) trong việc xác định vị trí tương đối và quỹ đạo chuyển động của thiết bị bay không người lái UAV. Luận văn nghiên cứu và triển khai hai mô hình cơ sở của định vị thị giác là SfM Learner và SC-SfM Learner, mô hình Deep EKF VIO cho bài toán định vị thị giác quán tính và xây dựng một mô hình mới kết hợp mạng học sâu với bộ lọc Kalman. Các mô hình được huấn luyện, kiểm tra trên bộ dữ liệu mô phỏng và bộ dữ liệu EUROC. Bên cạnh việc tìm hiểu các kiến thức lý thuyết và áp dụng thực tế em đã học hỏi được rất nhiều kiến thức hữu ích và biết vận dụng kiến thức xử lý ảnh, thị giác máy tính và trí tuệ nhân tạo vào việc xác định vị trí tương đối và quỹ đạo chuyển động của thiết bị bay không người lái UAV. Và các ứng dụng thực tế khác như ôtô, người máy… đây chính là nền tảng vững chắc quan trọng cho những nghiên cứu, học tập của bản thân sau này.
541 ## $aTài liệu nội sinh
653 ## $aNghiên cứu
653 ## $aKhông người lái UAV
653 ## $aThiết bị bay
690 $aĐiện - Điện tử
852 ## $a01 $bKho Luận văn $j(1): 01503233
856 1# $uhttp://thuvien.hou.edu.vn/houkiposdata2/luanvanluanankhoaluan/luanvan/2024/621.3/phamtruongthanh/phamtruongthanh_01thumbimage.jpg
890 ## $a1 $c1
002 7
004 351F6246-EDF8-4E4F-94A8-06E3A2186A49
005 202405291115
008 081223s2023||||vm|#################vie#d
009 1 0
039 ## $a20240529111510 $bdtmkhue $y20240527100930 $zdtmkhue
082 ## $a621.3 $bPH-T
100 $aPhạm, Trường Thành
245 ## $aNghiên cứu, tìm hiểu thiết bị bay không người lái UAV / $cPhạm Trường Thành; NHDKH: TS. Vương Hoàng Nam
260 ## $aH. : $bTrường Đại học Mở Hà Nội, $c2023
300 ## $a83 tr. ; $cA4
490 ## $aBộ Giáo dục và Đào tạo; Trường Đại học Mở Hà Nội
520 ## $aTrí tuệ nhân tạo – Artificial Intelligence đang là một trong những hướng phát triển được chú trọng trên toàn cầu vì những ứng dụng thực tiễn và độ hiệu quả của nó trong thời đại công nghệ đang phát triển vượt bậc hiện nay. Đề tài “Nghiên cứu, tìm hiểu thiết bị bay không người lái UAV” dựa trên những kiến thức về thị giác máy tính (Computer Vison), xử lý ảnh (Image Processing) và học sâu (Deep Learning) để nghiên cứu và triển khai các mô hình định vị thị giác cho thiết bị bay không người lái UAV. Trong luận văn này, em đã nghiên cứu hai phương pháp cho bài toán thị giác robot là định vị thị giác (Visual Odometry) và định vị thị giác quán tính (Visual Inertial Odometry) trong việc xác định vị trí tương đối và quỹ đạo chuyển động của thiết bị bay không người lái UAV. Luận văn nghiên cứu và triển khai hai mô hình cơ sở của định vị thị giác là SfM Learner và SC-SfM Learner, mô hình Deep EKF VIO cho bài toán định vị thị giác quán tính và xây dựng một mô hình mới kết hợp mạng học sâu với bộ lọc Kalman. Các mô hình được huấn luyện, kiểm tra trên bộ dữ liệu mô phỏng và bộ dữ liệu EUROC. Bên cạnh việc tìm hiểu các kiến thức lý thuyết và áp dụng thực tế em đã học hỏi được rất nhiều kiến thức hữu ích và biết vận dụng kiến thức xử lý ảnh, thị giác máy tính và trí tuệ nhân tạo vào việc xác định vị trí tương đối và quỹ đạo chuyển động của thiết bị bay không người lái UAV. Và các ứng dụng thực tế khác như ôtô, người máy… đây chính là nền tảng vững chắc quan trọng cho những nghiên cứu, học tập của bản thân sau này.
541 ## $aTài liệu nội sinh
653 ## $aNghiên cứu
653 ## $aKhông người lái UAV
653 ## $aThiết bị bay
690 $aĐiện - Điện tử
852 ## $a01 $bKho Luận văn $j(1): 01503233
856 1# $uhttp://thuvien.hou.edu.vn/houkiposdata2/luanvanluanankhoaluan/luanvan/2024/621.3/phamtruongthanh/phamtruongthanh_01thumbimage.jpg
890 ## $a1 $c1
×
![]()