Одноосібна розробка автономних систем для БПЛА, які працюють у реальному часі на доступному обладнанні.
Модель розпізнавання БПЛА
Прев'ю моделі на реальному відео погоні за БПЛА. На обладнанні за 150 доларів модель видає 30-45 FPS.
Модуль ухилення від дронів
Автоматично відводить БПЛА від дрона, що наздоганяє його ззаду. Коли спрямована назад камера з високою впевненістю виявляє дрон, модуль виконує маневр ухилення. На відео показано тестування системи в симуляції.
Орієнтовна ціна становить 250-300 доларів, включно з одноплатним комп'ютером, камерою денного бачення та всім програмним забезпеченням. За оптової закупівлі електроніки ціна може бути нижчою.
Нейромережеве RL-керування
Чиста модель навчання з підкріпленням, яка керує дроном-перехоплювачем для більшої узагальненості та універсальності. Вона видає безпосередні RC-команди й не залежить від синхронізованих даних кадрів та IMU, що дозволяє обходитися без дорогого обладнання.
5GHz WiFi Broadcast HAT
Плата 5GHz WiFi Broadcast HAT з відкритими вихідними файлами для передавання FPV-відео та зв'язку на великі відстані.
- Чипсет: RTL8812EU у модулі BL-M8812EU2
- Частоти: від 5,15 до 5,85 ГГц
Файли проєкту KiCad, інформація про драйвер і застереження щодо безпеки доступні в репозиторії GitHub.
Інструменти
Ось деякі інструменти з відкритим кодом, спочатку створені для власних потреб. Ви можете переглянути та використовувати їх:
-
YOLO Auto Annotation створює датасет YOLO з заданих зображень за допомогою моделі штучного інтелекту Moondream для пошуку обмежувальних рамок для ваших класів. Це скорочує час, необхідний для перегляду зображень та їх анотування самостійно.
-
YOLO Dataset Visualizer дозволяє прокручувати датасет і бачити обмежувальні рамки на зображеннях. Ви можете видалити зображення з набору даних, якщо обмежувальні рамки неправильні. Це допомагає прибирати випадкові помилки після автоматичного анотування.