Yangın ve Güvenlik Dergisi 215. Sayı (Mayıs-Haziran 2020)

Yangın ve Güvenlik / Mayıs - Haziran 2020 49 yanginguvenlik.com.tr algoritmayı karma gerçeklik ortamında test etme olasılığını kanıtlamıştır. Uzun vadeli pozların izlenmesi ve IMU verileri metrik ölçeğe ayarlanmıştır. MAV’i (10) herhangi bir büyük- lükteki ortamda seyrettirmek maksadıyla tam SLAM sistemi oluşturmak için Alternatif - Göreceli Grup Dengelemeli (BA) döngü kapatma yöntemi entegre edilmiştir. Sanal ve gerçek dört rotorlu araçlar bu video akışında sanal dünyanın içinde meydana gelen yangın tespiti için senkronize edilmişlerdir. SLAM içindeki çok fazla döngü poz grafiği optimizasyo- nuyla çözülmüştür. Tam SLAM problemini çözmek yerine, bir takın göreceli poz kısıtlamaları optimizasyon için entegre edilmiştir. Gelecek çalışma bir seri uygulamada dron grubu kullanılmasını inceleyecektir. KAYNAKLAR [1] D. Floreano, R.J. Wood, Science, technology and the future of small autonomous drones, Nature 521 (7553) (2015) 460–466. [2] M. Hassanalian, A. Abdelkefi, Classifications, applications, and design challenges of drones: a review, Prog. Aerosp. Sci. (2017). [3] R.A. Zahawi, J.P. Dandois, K.D. Holl, D. Nadwodny, J.L. Reid, E.C. Ellis, Using lightweight unmanned aerial vehicles to monitor tropical forest recovery, Biol. Conserv. 186 (2015) 287–295. [4] D. Kim, Y.-F. Wang, Smoke detection in video, Computer Science and Information Engineering, 2009 WRI World Congress on, 5 IEEE, 2009, pp. 759–763. [5] W. Phillips Iii, M. Shah, N. da Vitoria Lobo, Flame recognition in video, Pattern Recognit. Lett. 23 (1–3) (2002) 319–327. [6] G. Healey, D. Slater, T. Lin, B. Drda, A.D. Goedeke, A system for real-time fire detection, CVPR, 93 (1993), pp. 15–17. [7] Z. Xiong, R. Caballero, H. Wang, A.M. Finn, M.A. Lelic, P.-Y. Peng, Video-based smoke detection: possibilities, techniques, and challenges, IFPA, fire suppression and detection research and applications technical working conference (SUPDET), Orlando, FL, (2007). [8] A. Kushleyev, D. Mellinger, C. Powers, V. Kumar, Towards a swarm of agile micro quadrotors, Auton. Robots 35 (4) (2013) 287–300. [9] Z. Liu, A.K. Kim, Review of recent developments in fire detection technologies, J. Fire Prot. Eng. 13 (2) (2003) 129–151. [10] B. Jiang, Y. Lu, X. Li, L. Lin, Towards a solid solution of real-time fire and flame detection, Multim. Tools Appl. 74 (3) (2015) 689–705. [11] G. Pajares, Overview and current status of remote sensing applications based on unmanned aerial vehicles (UAVS), Photogramm. Eng. Remote Sens. 81 (4) (2015) 281–330. [12] B.U. Toreyin, Y. Dedeoğlu, U. Gudukbay, A.E. Cetin, Computer vision based method for real-time fire and flame detection, Pattern Recognit. Lett. 27 (1) (2006) 49–58. [13] B.C. Ko, K.-H. Cheong, J.-Y. Nam, Fire detection based on vision sensor and support vector machines, Fire Safety J. 44 (3) (2009) 322–329. [14] Q. Bu, F. Wan, Z. Xie, Q. Ren, J. Zhang, S. Liu, General simulation platform for vision based UAV testing, Information and Automation, 2015 IEEE International Conference on, IEEE, 2015, pp. 2512–2516. [15] J. Meyer, A. Sendobry, S. Kohlbrecher, U. Klingauf, O. Von Stryk, Comprehensive simulation of quadrotor UAVS using ROSand gazebo, International conference on simulation, modeling, and programming for autonomous robots, Springer, 2012, pp. 400–411. [16] M. Sokolov, R. Lavrenov, A. Gabdullin, I. Afanasyev, E. Magid, 3d modelling and simulation of a crawler robot in ros/gazebo, Proceedings of the 4th International Conference on Control, Mechatronics and Automation, ACM, 2016, pp. 61–65. [17] P.-J. Bristeau, F. Callou, D. Vissiere, N. Petit, The navigation and control technology inside the AR drone micro UAV, IFAC Proc. Vol. 44 (1) (2011) 1477–1484. [18] A.J. Davison, Real-time simultaneous localisation and mapping with a single camera, null, IEEE, 2003, p. 1403. [19] E. Eade, T. Drummond, Monocular slam as a graph of coalesced observations, Computer Vision, 2007. ICCV 2007. IEEE 11th International Conference on, IEEE, 2007, pp. 1–8. [20] G. Klein, D. Murray, Parallel tracking and mapping for small ar workspaces, Mixed and Augmented Reality, 2007. ISMAR 2007. 6th IEEE and ACM International 10 “Kernel” bir veri uzayını daha yüksek boyutlu bir vektör uzayına taşımaktır, bu suretle veri uzayının yüksek boyutlu uzaydaki hiper düzlemlerle ara kesitleri veri uzayındaki çok karmaşık, eğimli sınırlarını belirler ÇN.

RkJQdWJsaXNoZXIy MTcyMTY=