We consider the problem of autonomo

We consider the problem of autonomously flying Miniature Aerial Vehicles (MAVs) in indoor environments such as home and office buildings. The primary long range sensor in these MAVs is a miniature camera. While previous approaches first try to build a 3D model in order to do planning and control, our method neither attempts to build nor requires a 3D model. Instead, our method first classifies the type of indoor environment the MAV is in, and then uses vision algorithms based on perspective cues to estimate the desired direction to fly. We test our method on two MAV platforms: a co-axial miniature helicopter and a toy quadrotor. Our experiments show that our vision algorithms are quite reliable, and they enable our MAVs to fly in a variety of corridors and staircases.

ผลลัพธ์ (ไทย) 1:

เราสามารถพิจารณาปัญหาของยานพาหนะทางอากาศขนาดเล็ก (MAVs) ที่บินอย่างอิสระในสภาพแวดล้อมในร่มเช่นบ้านและอาคารสำนักงาน เซ็นเซอร์ระยะไกลหลัก MAVs เหล่านี้เป็นกล้องขนาดเล็ก ในขณะที่ก่อนหน้านี้วิธีแรกพยายามสร้างแบบจำลอง 3 มิติเพื่อทำการวางแผน และควบคุม วิธีของเราไม่พยายามที่จะสร้าง หรือต้องการแบบ 3 มิติ แทน เราจัดประเภทแรกชนิดของสภาพแวดล้อมในร่มโอกาสใน และใช้วิสัยทัศน์อัลกอริธึมสัญลักษณ์มุมมองในการประเมินทิศทางการบิน เราทดสอบวิธีการของเราในสองโอกาสแพลตฟอร์ม: เฮลิคอปเตอร์ขนาดเล็กบริษัทแกนและ quadrotor ทอย การทดลองของเราแสดงว่า อัลกอริทึมวิสัยทัศน์ของเราค่อนข้างเชื่อถือได้ และให้เรา MAVs บินในหลากหลายทางเดินและบันได

ผลลัพธ์ (ไทย) 2:

เราพิจารณาปัญหาของตนเองบินขนาดเล็กยานพาหนะทางอากาศ (MAVs) ในสภาพแวดล้อมในร่มเช่นบ้านและอาคารสำนักงาน เซ็นเซอร์ระยะยาวหลักในการ MAVs เหล่านี้เป็นกล้องขนาดเล็ก ในขณะที่วิธีการก่อนหน้านี้ครั้งแรกพยายามที่จะสร้างแบบจำลอง 3 มิติเพื่อที่จะทำในการวางแผนและการควบคุมวิธีการของเราไม่พยายามที่จะสร้างหรือต้องมีรูปแบบ 3 มิติ แต่วิธีการของเราครั้งแรกจัดหมวดหมู่ประเภทของสภาพแวดล้อมในร่ม MAV ที่อยู่ในและจากนั้นใช้ขั้นตอนวิธีวิสัยทัศน์ขึ้นอยู่กับมุมมองของตัวชี้นำเพื่อประเมินทิศทางที่ต้องการจะบิน เราทดสอบวิธีการของเราในสองแพลตฟอร์ม MAV: ร่วมแกนเฮลิคอปเตอร์ขนาดเล็กและ quadrotor ของเล่น การทดลองของเราแสดงให้เห็นว่าอัลกอริทึมวิสัยทัศน์ของเรามีความน่าเชื่อถือมากและพวกเขาช่วยให้ MAVs ของเราที่จะบินในความหลากหลายของทางเดินและบันได

ผลลัพธ์ (ไทย) 3:

เราพิจารณาปัญหาของระบบออโต้บินยานพาหนะขนาดเล็ก ( mavs ) ในสภาพแวดล้อมในร่ม เช่น บ้าน และอาคารสํานักงาน หลักระยะเซนเซอร์ใน mavs เหล่านี้เป็นกล้องขนาดเล็ก ในขณะที่วิธีก่อนหน้านี้พยายามที่จะสร้างโมเดล 3 มิติ เพื่อที่จะทำในการวางแผนและควบคุมของเรา วิธีการหรือความพยายามที่จะสร้าง หรือต้องใช้โมเดล 3 มิติได้ แทน วิธีแรกคือชนิดของสภาพแวดล้อมในร่ม mav อยู่ แล้วใช้ขั้นตอนวิธีวิสัยทัศน์ตามคิวมุมมองเพื่อประเมินทิศทางที่ต้องการจะบิน เราได้ทดสอบวิธีการของเราสอง mav แพลตฟอร์ม : โคแกนขนาดเล็ก และเฮลิคอปเตอร์ของเล่นคว โรเตอร์ . การทดลองพบว่าขั้นตอนวิธีวิสัยทัศน์ของเรามีความน่าเชื่อถือมากและพวกเขาช่วยให้ mavs ของเราที่จะบินในความหลากหลายของทางเดินและบันได .