|
|
Konstrukce kvadrokoptéry pro přepravu jídel
Gryc, Matěj ; Čípek, Pavel (oponent) ; Skurka, Šimon (vedoucí práce)
Online rozvoz teplého jídla do domu zákazníka se stal standardem. V důsledku pandemie covidu-19 jsou však nyní hledány způsoby bezpečného doručení, které by nevyžadovaly mezilidský kontakt. Jako perspektivní se jeví využití bezpilotních dronů, které se již v současnosti používají v některých státech pro přepravu zboží a materiálu. Bakalářská práce se zabývá návrhem a sestavením kvadrokoptéry určené pro převoz jídel. Nejprve byl navržen rám, který byl z valné většiny výroben pomocí 3D tisku. Na základě výpočtů byla vybrána elektronika včetně akumulátorů a motorů. Poté byl navržen mechanismus, pomocí kterého bude zprostředkováván převoz jídla. Po sestrojení byla otestována funkčnost kvadrokoptéry a doručovacího mechanismu. Na závěr byl zhodnocen návrh a zmíněna možná vylepšení.
|
|
|
Metody stabilizace polohy dronu pomocí obrazových dat
Koukal, Ondřej ; Raichl, Petr (oponent) ; Janoušek, Jiří (vedoucí práce)
Tato bakalářská práce se věnuje návrhu systému pro stabilizaci bezpilotního letadla. Účelem tohoto systému je na základě obrazových dat ze dvou kamer v reálném čase určovat přesnou polohu bezpilotního letadla v prostoru. V teoretické části jsou popsané metody zpracování obrazu a algoritmus pro určení polohy bezpilotního letadla. V praktické části je popsána realizace a testování systému.
|
|
|
Tankování za letu
Ďurďovič, Dušan ; Horpatzká, Michaela (oponent) ; Dubnický, Lukáš (vedoucí práce)
Tato práce se zaměřuje na metody doplňování paliva za letu. Práce se věnuje stručné historii vzniku těchto metod, popisu aplikace těchto metod, dále také jejímu konstrukčnímu řešení na straně tankeru a přijímacího letounu a popisu pilotáže. V poslední kapitole je popsán směr vývoje těchto metod, koncepční návrhy a také možná aplikace pro budoucnost letectví.
|
|
|
Tracking People in Video Captured from a Drone
Lukáč, Jakub ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
This thesis deals with the problem of determining the location of a person through their distance from camera approximation. The location is derived from video which is captured using a drone. The goal here is to propose and test existing solutions, and state-of-the-art algorithms for each encountered subproblem of the tracking. This means overcoming challenges such as object detection, re-identification of persons in time, estimating object distance from the camera and processing data from various sensors. Then, I am using these methods to design the final solution which can operate in nearly real-time. Implementation is based on the use of Intel NCS accelerator unit with the cooperation of small computer Raspberry Pi. Therefore, the setup may be easily mounted directly to a drone. The resulting application can generate tracking metadata for detected individuals in the recording. Afterwards, the positions are visualised as paths for better end-user presentation.
|
|
|
Vizualizační nástroj pro pilota dronu v Microsoft HoloLens 2
Kyjac, Martin ; Herout, Adam (oponent) ; Bambušek, Daniel (vedoucí práce)
Pri pilotovaní dronu musí pilot sledovať ako samotný dron, tak aj rôzne letové údaje. Táto činnosť si vyžaduje neustále sústredenie a aj menšia nepozornosť môže viezť k nehode. Hlavne pri lete vo väčších vzdialenostiach pilot môže veľmi ľahko stratiť prehľad, kde sa dron nachádza, na akú stranu je otočený, prípadne akú má výšku. Na overenie týchto informácií je pri bežných aplikáciach potrebné skloniť hlavu a tým pádom stratiť dron z dohľadu pretože tieto údaje sa nachádzajú na ovládači, ktorý drží pilot v rukách. Toto prepínanie kontextov je veľmi nepraktické. Cieľom aplikácie je vizualizovať tieto dáta pomocou rozšírenej reality zobrazenej cez Microsoft HoloLens 2. Všetky potrebné letové údaje sa zobrazujú pomocou hologramov presne tam, kde sa samotný dron na oblohe nachádza a tak pilot nemusí prepínať medzi kontextami. Taktiež je oveľa jednoduchšie takýmto spôsobom zobraziť rôzne prvky misie, ktoré by inak nebolo možné nijako vizualizovať v reálnom svete. Bežne v takýchto prípadoch musí pilot nejako interpretovať údaje z 2D mapy do reality, čo môže byť náročné. Avšak pomocou rozšírenej reality sa tieto údaje môžu zobraziť priamo do reálneho sveta.
|
|
|
Rojové létání dronů
Kolísek, Josef ; Marcoň, Petr (oponent) ; Janoušek, Jiří (vedoucí práce)
Tato práce pojednává o problematice rojového létání dronů a jeho využití v praxi. Jedná se o propojení více řídících jednotek bezpilotních letounů a jejich následné koordinaci ve vzduchu. Práce je rozdělena na teoretickou a praktickou část. V praktické části jsou popsány možnosti způsobů rojového létání a koordinace více dronů. V další části jsou popsány možnosti řízení více letových jednotek z jednoho centrálního bodu a tvorba letových instrukcí. Následně možné způsoby jejich komunikace a přenos telemetrických dat pro řízení pomocí protokolu MAVLink (Micro Air Vehicle Link). Praktická část práce se zabývá realizací softwaru pro synchronizovaný let dvou bezpilotních letounů a jejich propojení s řídící stanicí pro přenos instrukcí pro let.
|
|
| |
|
| |
|
|
Legislativa pro využití dronu v realitní praxi
Klementová, Tereza ; Jandásková, Tereza (oponent) ; Klika, Pavel (vedoucí práce)
Diplomová práce se zabývá legislativou pro využití dronu v realitní praxi. V jednotlivých kapitolách popisuje legislativu České republiky, Slovenska, Francie, Belgie, Velké Británie a Spojených států amerických týkající se provozu dronů ke komerčním účelům. Na konci práce je provedeno srovnání jednotlivých bodů z předpisů všech porovnávaných států.
|
|
|
Protidronová ochrana perimetru
Janík, Roman ; Dvořák, Michal (oponent) ; Drahanský, Martin (vedoucí práce)
Rozvoj technologie dronů s sebou přináší příležitosti pro mnoho oblastí lidské činnosti, ale zároveň i bezpečnostní hrozby. Vzniká potřeba těmto hrozbám efektivně čelit. V této práci je popsána problematika a současné metody pro detekci objektů ve videu zachyceném pohybující se kamerou. Byl navržen systém pro detekci a lokalizaci dronu či hejna dronů. Algoritmus pro detekci je založen na konvoluční neuronové síti, konkrétně na algoritmu SSD. Konvoluční neuronovou síť byla natrénována na vlastním datasetu. Systém byl implementován pomocí knihovny OpenCV s možnou akcelerací algoritmu na GPU pomocí OpenCL. Vytvořené řešení bylo otestováno na videu.
|
host ::
RSS.