Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • 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
Vision-based MAV Navigation in Underground Mine Using Convolutional Neural Network
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system.ORCID-id: 0000-0001-7631-002x
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system.
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system.
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system.ORCID-id: 0000-0002-2001-7171
Visa övriga samt affilieringar
2019 (Engelska)Ingår i: IECON 2019: 45th Annual Conference of the IEEE Industrial Electronics Society, IEEE, 2019, s. 750-755Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

This article presents a Convolutional Neural Network (CNN) method to enable autonomous navigation of low-cost Micro Aerial Vehicle (MAV) platforms along dark underground mine environments. The proposed CNN component provides on-line heading rate commands for the MAV by utilising the image stream from the on-board camera, thus allowing the platform to follow a collision-free path along the tunnel axis. A novel part of the developed method consists of the generation of the data-set used for training the CNN. More specifically, inspired from single image haze removal algorithms, various image data-sets collected from real tunnel environments have been processed offline to provide an estimation of the depth information of the scene, where ground truth is not available. The calculated depth map is used to extract the open space in the tunnel, expressed through the area centroid and is finally provided in the training of the CNN. The method considers the MAV as a floating object, thus accurate pose estimation is not required. Finally, the capability of the proposed method has been successfully experimentally evaluated in field trials in an underground mine in Sweden.

Ort, förlag, år, upplaga, sidor
IEEE, 2019. s. 750-755
Serie
Annual Conference of Industrial Electronics Society, ISSN 2577-1647, E-ISSN 2577-1647
Nyckelord [en]
Mining Aerial Robotics, Deep Learning for Navigation, MAV
Nationell ämneskategori
Reglerteknik
Forskningsämne
Reglerteknik
Identifikatorer
URN: urn:nbn:se:ltu:diva-75674DOI: 10.1109/IECON.2019.8927168ISI: 000522050600117Scopus ID: 2-s2.0-85083963074OAI: oai:DiVA.org:ltu-75674DiVA, id: diva2:1345215
Konferens
45th Annual Conference of the IEEE Industrial Electronics Society (IECON 2019), 14-17 October, 2019, Lisbon, Portugal
Anmärkning

ISBN för värdpublikation: 978-1-7281-4878-6, 978-1-7281-4879-3

Tillgänglig från: 2019-08-23 Skapad: 2019-08-23 Senast uppdaterad: 2020-05-14Bibliografiskt granskad

Open Access i DiVA

fulltext(2302 kB)5 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2302 kBChecksumma SHA-512
1f83cf31a4c4570320f84cec2eb4b9c08b4315482bcb7d99c82c212d0c3ab86373d604cef8f5f6a9dada7875efee6561cbff68828fdd83cd92f1d4d456627079
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Mansouri, Sina SharifKarvelis, PetrosKanellakis, ChristoforosKominiak, DariuszNikolakopoulos, George

Sök vidare i DiVA

Av författaren/redaktören
Mansouri, Sina SharifKarvelis, PetrosKanellakis, ChristoforosKominiak, DariuszNikolakopoulos, George
Av organisationen
Signaler och system
Reglerteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 5 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 293 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • 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