Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Autonomous MAV Navigation in Underground Mines Using Darkness Contours Detection
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system.ORCID-id: 0000-0001-7631-002x
Luleå tekniska universitet, Institutionen för samhällsbyggnad och naturresurser, Drift, underhåll och akustik.ORCID-id: 0000-0002-9992-7791
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system.
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system.ORCID-id: 0000-0003-0126-1897
2019 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

This article considers a low-cost and light weight platform for the task of autonomous flying for inspection in underground mine tunnels. The main contribution of this paper is integrating simple, efficient and well-established methods in the computer vision community in a state of the art vision-based system for Micro Aerial Vehicle (MAV) navigation in dark tunnels. These methods include Otsu's threshold and Moore-Neighborhood object tracing. The vision system can detect the position of low-illuminated tunnels in image frame by exploiting the inherent darkness in the longitudinal direction. In the sequel, it is converted from the pixel coordinates to the heading rate command of the MAV for adjusting the heading towards the center of the tunnel. The efficacy of the proposed framework has been evaluated in multiple experimental field trials in an underground mine in Sweden, thus demonstrating the capability of low-cost and resource-constrained aerial vehicles to fly autonomously through tunnel confined spaces.

Ort, förlag, år, upplaga, sidor
2019.
Nyckelord [en]
Micro Aerial Vehicles (MAVs), Vision-based Navigation, Autonomous Drift Inspection, Otsu's Theshold, Moore-Neighborhood Tracing
Nationell ämneskategori
Reglerteknik Annan samhällsbyggnadsteknik
Forskningsämne
Reglerteknik; Drift och underhållsteknik
Identifikatorer
URN: urn:nbn:se:ltu:diva-75270OAI: oai:DiVA.org:ltu-75270DiVA, id: diva2:1336607
Konferens
12th International Conference on Computer Vision Systems (ICVS 2019)
Forskningsfinansiär
EU, Horisont 2020, 730302Tillgänglig från: 2019-07-09 Skapad: 2019-07-09 Senast uppdaterad: 2019-08-13

Open Access i DiVA

fulltext(374 kB)13 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 374 kBChecksumma SHA-512
66576dadfdff158638eb5fc9892a5a5ab32dec28a050b8dc11c55ee263052103a94a7d024ff0012f3af2567c40aecb80aee66f082c267c49daaf9fd868898764
Typ fulltextMimetyp application/pdf

Personposter BETA

Mansouri, Sina SharifArranz, Miguel CastanoKanellakis, ChristoforosNikolakopoulos, George

Sök vidare i DiVA

Av författaren/redaktören
Mansouri, Sina SharifArranz, Miguel CastanoKanellakis, ChristoforosNikolakopoulos, George
Av organisationen
Signaler och systemDrift, underhåll och akustik
ReglerteknikAnnan samhällsbyggnadsteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 13 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 88 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf