Dissertação
{en_GB=Tracking and Following a Moving Person Onboard a Pocket Drone} {} EVALUATED
{pt=Pilotar um drone é uma tarefa complicada, sendo normalmente necessário um piloto treinado. Esta dissertação descreve uma estratégia baseada em visão computacional para fazer seguimento automático de uma pessoa por um Micro-Aerial-Vehicle (MAV). Com o sistema apresentado, é possível usar um drone para filmar ou tirar fotografias de sítios previamente inacessíveis, sem a necessidade de um piloto humano a controlar a aeronave. Composto por dois componentes principais, um tracker e um sistema de controlo, o tracker executa a função de estimar a posição da pessoa que está a ser seguida, enquanto que o sistema de controlo cumpre a função de colocar o drone perto da pessoa. Limitado em peso, consumo de energia e capacidade de processamento, o sistema resulta de um delicado balanço entre tais parâmetros. Os contributos principais deste trabalho são a análise de dois trackers visuais do estado da arte, Struck e KCF, o sistema de controlo que usa o output do tracker para executar a tarefa de seguimento, e um novo tracker, desenvolvido para ser computacionalmente leve, de modo a conseguir correr a bordo do pocket drone. Este novo tracker é baseado em extracção de HOG features e faz uso de regressão logística para treinar um detector no aspecto de uma pessoa. Os resultados do KCF e do Struck mostraram que estes são demasiado exigentes para correr a bordo do drone, enquanto que o novo tracker consegue, produzindo resultados promissores., en=Flying a drone is not an easy task, usually requiring a trained pilot. In this dissertation a vision based strategy is presented, designed to work fully onboard a small pocket drone, for autonomously tracking and following a person. With the presented system it is possible to use a drone for filming or taking pictures from previously inaccessible places without the need for a person controlling the aircraft. The system is comprised by two main components, a tracker and a control system. The tracker has the function of estimating the position of the person to be followed, while the control system gets the drone near that person. Limited by payload weight, power consumption and processing power, the system results in a delicate balance between these constraints. The main contributions of this paper are the comparison between two state-of-the-art visual trackers running on paparazzi, Struck and KCF, the control system that uses the output location of the tracker to perform the person following task, and a new tracker, developed to be as computationally light as possible, so that it can run onboard a small pocket drone, based on HOG feature extraction, it uses logistic regression to train a detector on the appearance of a person. Both KCF and Struck proved too demanding to run onboard the drone, while the new tracker runs fully onboard, producing very promising results.}
novembro 11, 2016, 16:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
