آموزش تصویری هدایت خودکار کوادروتور

در سال های اخیر علاقه مندی بسیاری در مبحث ربات های پرنده به وجود آمده که جمع کثیری از پژوهشگران را به سمت توسعه و ارتقای این ربات ها سوق داده است.

در حالت عادی یک کوادروتور (و یا در حالت کلی تر وسایل پرنده عمود پرواز) نیازمند مهارت کافی در کنترل آن می باشد. درواقع فردی که در حال هدایت این وسیله پرنده است باید در زمینه پرواز و خلبانی به واسطه رادیوکنترل ها تجربه و مهارت داشته باشد و همین امر سبب آن شده که این علاقه مندی برای پژوهشگران به وجود آید که یک ربات پرنده خودکار و هوشمند طراحی کنند تا بتواند خود به تنهایی و بدون کنترل خارجی ماموریت های محول شده را به اتمام برساند.

شما در این دوره آموزشی که توسط دانشگاه TUM Munich آلمان تهیه شده است به مبانی و اصول هدایت و ناوبری خودکار ریات های پرنده پرداخته است که سرفصل های کلی زیر را پوشش می دهد:

  • 3D geometry,
  • probabilistic state estimation,
  • visual odometry, SLAM, 3D mapping,
  • linear control.

در این آموزش شما یاد میگیرید چطور با استفاده از اطلاعاتی که از موقعیت کوادروتور توسط سنسورها داده می شود جهت پیاده سازی استراتژی و الگوریتم های پرواز به صورت خودکار استفاده کنید.

 


این ویدیو آموزشی توسط برخی از مدرسین و پژوهشگران دانشگاه TUM مونیخ آلمان تهیه شده است

آموزش تصویری کوادروتور خودکار


1-Introduction

-Wellcome

-Why QuadRotors?

-Flying Principle

-Quadrotor Research

2-Linear Algebra and 2D Geometry

-Linear Algebra

-2D Geometry

-2D robot Example

3-3D Geometry and Sensors

-3D Geometry

-Sensors

4-Actuators and Control

-Motors and Controllers

-Feedback control

-kinematic and Dynamic

-PID control

5-Probabilistic Theory, Bayes Rule and  Grid Filter

-State Estimation

-Recap on probability Theory

-Reasoning With Bayes Rule

6-Probabilistic State Stimation

-Bayes Filter

-Kalman Filter

-Extended Kalman Filter

7-Visual Motion Stimation

-2D motion Estimation

-Visual Odometry

8-Visual SLAM and 3D Reconstruction

-Visual Navigation with Parrot AR Drone

-Tracking and mapping With Signed distance Function

-Direct method For Visual Slam

 

عنوان

زمان

اسلاید

ویدیو

1

Wellcome

2

Why Quadrotors

3

Flying Principle

4

Quadrotor Research

5

Linear Algebra

6

2D Geometry

7

2D robot Example

8

3D Geometry

9

Sensors

10

Motors and Controllers

11

Feedback control

12

Kinematic and Dynamic

13

PID Control

14

State Estimation

15

Recap on Probability Theory

16

Reasoning With Bayes Rule

17

Bayes Filter

18

Kalman Filter

19

Extended Kalman Filter

20

2D Motion Estimation

21

Visual Odometry

22

Visual navigation with Parrot

23

Tracking and Mappnig

24

Direct method For Visual Slam

مطالب مشابه

9 comments

  • سلام من میخوام طراحی وساخت ربات رو از ابتدا یاد بگیرم چه پیش نیازهایی لازمه من دانشجو کارشناسی مهندسی فناوری مکانیک-ماشین افزارم ممنون میشم پاسخ بدید اگر میشه به ایمیل هم پاسخ بدید ممنون موفق باشید
    • سلام بر شما! با تشکر از حضور شما در تارنمای رباتیکال. تعدادی از لینک های فوق به صورت تصادفی آزمایش شدند و مشکلی نداشتند. برای دریافت فایل ها به این نکته توجه داشته باشین که ممکنه گاهی به علت به روز رسانی سرورها، پشتیبان گیری و مواردی از این دست، مقاطع کوتاهی سرور دانلود ما در دسترس نباشه که این یه امر اجتناب ناپذیره و فعلا کاریش نمی شه کرد. لذا اگه برای دریافت فایل ها به مشکلی بر خوردین، می تونین با یه فاصله ی زمانی، دوباره تلاش کنین. با این همه، اگه باز هم به مشکل برخوردین، اطلاع بدین. موفق باشین.
  • سلام میشه در مورد سنسورهای به کار رفته در کوادروتور و این که چه طور تشخیص میده که الان مثلا زاویه رولش صفره یه توضیحی بدید؟اگه امکان داره یه جزوه یا کتابی در مورد سنسورهای لازم معرفی کنید یا واسه دانلود بذارید؟به نظرتون ساخت میکرو  کوادروتور هزینه بیشتر داره یا در سایز معمولیش؟این کوادروتور های که الان هستش با چه روشی کنترل میشند(مثلا کنترل pid یا بقیه)ممنون