Echtzeit-Kollisionsvorhersage für autonome Multicopter basierend auf Deep Learning gestützter Tiefenwahrnehmung

Abstract

Ziel dieser Arbeit ist die Entwicklung einer Kollisionsvorhersage für autonome Multicopter. Hierfür wird ein Deep Learning Algorithmus einer aktuellen Publikation reimplementiert und adaptiert, um dessen Berechnung als Grundlage zur Interpretation einer potentiellen Kollision zu nutzen. Dabei werden differente Adaptionen verglichen und deren Ergebnisse evaluiert. Die Kernaufgabe besteht darin, die Berechnungszeit des Algorithmus dahingehend zu reduzieren, dass eine Anwendung in Echtzeit sichergestellt ist und parallel dazu eine Berechnungsqualität gewährleistet wird, mit der Kollisionen prinzipiell erkannt werden können.

The aim of this work is to develop a collision prediction for autonomous multicopters. For this purpose, a deep learning algorithm of a current publication is reimplemented and adapted to use its computation as a basis for the interpretation of a potential collision. Different adaptations are compared and their results are evaluated. The core task is to reduce the computation time of the algorithm to ensure a real-time application and at the same time to guarantee a computation quality that allows collisions to be detected.