Vision-Based Autonomous UAV Tracking and Control

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F26%3A0201502" target="_blank" >RIV/00216305:26220/26:0201502 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.13164/eeict.2025.128" target="_blank" >http://dx.doi.org/10.13164/eeict.2025.128</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.13164/eeict.2025.128" target="_blank" >10.13164/eeict.2025.128</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Vision-Based Autonomous UAV Tracking and Control

Popis výsledku v původním jazyce

This paper presents a vision-based control approach for unmanned aerial vehicles (UAVs), focusing on the detection and tracking of airborne objects. The proposed system integrates deep-learning-based object detection using YOLO models with computationally efficient tracking algorithms to ensure realtime performance. The control methodology involves extracting positional information from visual data and generating attitude commands to regulate UAV movement via MAVLink communication. The implementation is optimized for deployment on a Raspberry Pi 5, leveraging OpenCV and NCNN frameworks. Experimental results demonstrate the system’s capability to detect and track small UAVs while maintaining high frame rates, enabling reliable feedback-based flight adjustments.

Název v anglickém jazyce

Vision-Based Autonomous UAV Tracking and Control

Popis výsledku anglicky

This paper presents a vision-based control approach for unmanned aerial vehicles (UAVs), focusing on the detection and tracking of airborne objects. The proposed system integrates deep-learning-based object detection using YOLO models with computationally efficient tracking algorithms to ensure realtime performance. The control methodology involves extracting positional information from visual data and generating attitude commands to regulate UAV movement via MAVLink communication. The implementation is optimized for deployment on a Raspberry Pi 5, leveraging OpenCV and NCNN frameworks. Experimental results demonstrate the system’s capability to detect and track small UAVs while maintaining high frame rates, enabling reliable feedback-based flight adjustments.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20204 - Robotics and automatic control

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings II of the Conference Student Eeict

ISBN

9788021463202

ISSN

—

e-ISSN

—

Počet stran výsledku

3

Strana od-do

128-131

Název nakladatele

Brno University of Technology

Místo vydání

—

Místo konání akce

Brno

Datum konání akce

29. 4. 2025

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—