GPS - ငြင်းပယ်သောပတ်ဝန်းကျင်တွင် UAV သွားလာမှု

အသက်မွေး 0 မ်းကျောင်း 0 င်ရောက်မှုစနစ် (GPS) မှမောင်းသူမဲ့လေယာဉ်များ (UAVS) ကိုရှာဖွေနေသည်။မကြာသေးမီက Prince Sultan တက္ကသိုလ်မှမကြာသေးမီကပြုလုပ်ခဲ့သောလေ့လာမှုသည် USP ၏ Sultals ၏အချက်ပြမှုများသို့မဟုတ်ဘေးအန္တရာယ်များသို့မဟုတ်ဘေးအန္တရာယ်များဇုန်များကဲ့သို့သောပတ်ဝန်းကျင်တွင်တည်နေရာများတိုးတက်စေရန်နည်းလမ်းများသို့သွေ္များပြုလုပ်နိုင်သည်။ပိုမိုယုံကြည်စိတ်ချရသောအချိန်နှင့်အမျှအညွှန်းအတွက်အာရုံခံကိရိယာများနှင့် algorithms များကိုပေါင်းစပ်ထားသောရူပါရုံအခြေပြုစနစ်များနှင့်ပေါင်းစပ်ချဉ်းကပ်မှုအလားအလာကိုသုတေသနပြုချက်ကအလေးထားပြောကြားခဲ့သည်။

UAV သွားလာမှု၏အရေးအကြီးဆုံးသော GPS သည်ပိတ်ဆို့ထားသောသို့မဟုတ်ပိတ်ဆို့ခြင်းဆိုင်ရာအချက်ပြမှုများရှိသည့်ဒေသများတွင်မအောင်မြင်ပါ။inertial အာရုံခံကိရိယာနှင့် Lidar ကဲ့သို့သောအခြားနည်းလမ်းများသည်ကတိကိုပြသခဲ့ကြသော်လည်း၎င်းတို့သည်ပျံ့နှံ့ခြင်းနှင့်တွက်ချက်မှုစရိတ်များကဲ့သို့ပြ issues နာများခံစားနေရလေ့ရှိသည်။Lidar, Radar နှင့် inertial တိုင်းတာခြင်းနှင့် inertial တိုင်းတာခြင်းဆိုင်ရာစည်းမျဉ်းများကဲ့သို့သောအာရုံခံကိရိယာမျိုးစုံမှဒေတာများကိုဖျောက်သော hybrid စနစ်များကိုလေ့လာရန်လေ့လာမှုသည် Hybrid စနစ်များကိုလေ့လာစူးစမ်းလေ့လာသည်။


ပြန်လည်သုံးသပ်ခြင်းသည်သုတေသနစာတမ်းများ 130 ကျော်ကိုဆန်းစစ်ခြင်း, UAV သွားလာမှုအတွက်အဓိကနည်းလမ်းနှစ်မျိုးဖြင့်အာရုံစူးစိုက်သည်။အကြွင်းမဲ့အာဏာနည်းလမ်းများသည်လူသိများသောပတ်ဝန်းကျင်တွင်ကောင်းစွာအလုပ်လုပ်နေကြစဉ်တွင်၎င်းတို့သည်ထူးခြားသောသို့မဟုတ်လျင်မြန်စွာပြောင်းလဲနေသောနေရာများတွင်ရုန်းကန်နေကြရသည်။အခြားတစ်ဖက်တွင်, ဆွေမျိုးနည်းလမ်းများသည်ပြောင်းလွယ်ပြင်လွယ်များကိုကမ်းလှမ်းသော်လည်းသိသာထင်ရှားသောကွန်ပျူတာပါဝါကိုတောင်းဆိုသည်။

Vision-based systems, အထူးသဖြင့် AI ၏အင်္ဂါရပ်အသိအမှတ်ပြုမှုအတွက်မြှင့်တင်ရန်,အာရုံခံကိရိယာ Multi-Sensor Fusion ၏အရေးပါမှုကိုလေ့လာခြင်းသည်အာရုံခံကိရိယာအမျိုးမျိုးမှအချက်အလက်များကိုပေါင်းစပ်။ အဆင့်မြင့်စစ်ထုတ်ခြင်းနည်းစနစ်များကိုလက်တွေ့ကျင့်သုံးခြင်းအားဖြင့် Kalman Filters ကဲ့သို့သောအဆင့်မြင့်စစ်အချင်းပန်းများကိုပိုမိုသိရှိနိုင်သည်။Real-time processing သည် GPU များကဲ့သို့ Hardware Accelerator များက GPU များကဲ့သို့ပိုမိုမြန်ဆန်။ ပိုမိုထိရောက်သောဆုံးဖြတ်ချက်ချခြင်းအတွက်အရေးပါသောအခန်းကဏ် plays မှပါ 0 င်သည်။

ဦး ဆောင်သူဒေါက်တာ Imen Jarrya က GPS-Denied Navigation ၏စိန်ခေါ်မှုများကိုအဘယ်သူမျှမအာရုံခံကိရိယာသို့မဟုတ် algorithm အဘယ်သူမျှမအာရုံခံကိရိယာများအဘယ်သူမျှမဖြေရှင်းနိုင်ရန်သတိပြုမိခဲ့သည်။သုတေသနပြုချက်သည်မထူထပ်သောမြို့ပြဒေသများမှဝေးလံခေါင်သီသောသဘာဝဘေးအန္တရာယ်များသို့ရောက်စေရန်ကြိုတင်ခန့်မှန်းနိုင်မှုမရှိသောပတ်ဝန်းကျင်များ၏ကြိုတင်ပြင်ဆင်မှုများကိုကိုင်တွယ်ရန်လိုသည်။

တွေ့ရှိချက်များသည်ထောက်ပံ့ပို့ဆောင်ရေး, စိုက်ပျိုးရေးနှင့်ကာကွယ်ရေးကဲ့သို့သောစက်မှုလုပ်ငန်းများအတွက်သိသာသောသက်ရောက်မှုများရှိသည်။UAVs သည် GPS မပါဘဲဘေးအန္တရာယ်ကျရောက်သည့်ဒေသများသို့ပစ္စည်းများကိုပို့ဆောင်ပေးနိုင်သည်။