Título :	MAV Autonomous Landing on a Moving Platform Using Deep Learning Algorithms
Autor(es):	Alejandro Daniel Matías Pacheco
Palabras clave:	MAV, aterrizaje autónomo, YOLOv8, MLP, Marcadores de aterrizaje
Área:	INGENIERÍA Y TECNOLOGÍA
Fecha de publicación :	17-oct-2024
Editorial :	Universidad Autonoma de Querétaro
Páginas:	1 recurso en línea (76 páginas)
Folio RI:	IGMAC-317931
Facultad:	Facultad de Ingeniería
Programa académico:	Maestría en Ciencias en Inteligencia Artificial
Resumen:	Esta investigación se centra en el desarrollo de un sistema de aterrizaje autónomo para Micro Vehículos Aéreos (MAVs) en una plataforma en movimiento, utilizando técnicas de aprendizaje profundo y visión por computadora. La metodología se basa en conceptos clave y trabajos previos. Un detector basado en You Only Look Once versión 8 (YOLOv8) identifica un código Quick Response (QR) como marcador de aterrizaje, mientras que un Perceptrón Multicapa (MLP) entrenado estima la altura entre el MAV y la plataforma. El sistema integra un controlador Proporcional-Integral (PI), que procesa estas entradas para guiar al dron durante el aterrizaje, utilizando el Sistema Operativo de Robots (ROS) como interfaz. Las pruebas realizadas con un dron Tello demostraron un 90% de éxito en aterrizajes autónomos y una precisión del 97% en la detección del marcador. Estos resultados confirman la efec- tividad del sistema en entornos dinámicos, demostrando que la combinación de YOLOv8 y MLP proporciona una solución confiable y precisa para el aterrizaje autónomo en platafor- mas móviles.
URI:	https://ri-ng.uaq.mx/handle/123456789/11289
Aparece en:	Maestría en Ciencias en Inteligencia Artificial

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.