SAR · UAV · BVLOS
Drony w ratownictwie
Badania, bezpieczeństwo i rozpoznanie. Od poszukiwań osób po termowizję, pożary i dostarczanie AED.
7 zatwierdzonych publikacji

Drony z termowizją i AI: automatyczne śledzenie osób w poszukiwaniach
Zespół z Politechniki Mediolańskiej opracował system automatycznego wykrywania i śledzenia ludzi na nagraniach termowizyjnych z dronów do poszukiwań w terenie otwartym. Porównano trzy detektory sieci neuronowych (YOLOv8, YOLOv12, YOLOX), a ich wyniki przepuszczono przez algorytm śledzenia BoostTrack++, który zostawia tylko obiekty widoczne w kolejnych klatkach. Autorzy dodali kompensację ruchu kamery opartą na pozycji drona. Zbiór danych zebrano
Optymalizacja tras pojazdów i dronów dostarczających zaopatrzenie podczas powodzi: studium powodzi w Guangdong w 2024 r.
Badanie dotyczy wspólnego planowania tras wielu pojazdów i dronów dostarczających zaopatrzenie na terenach powodziowych z utrudnionym przejazdem. Model uwzględnia m.in. dostępność dróg, wpływ głębokości powodzi na prędkość pojazdów, zużycie energii przez drony oraz koordynację ich pracy z pojazdami. W studium obejmującym 135 punktów zapotrzebowania algorytm heurystyczny sprawnie znajdował rozwiązania wysokiej jakości i dla dużych przypadków przew
Wykrywanie i śledzenie osób tonących z użyciem drona w morskich akcjach ratowniczych
Badanie przedstawia system dronowy do wykrywania, śledzenia i ustalania priorytetu osób zagrożonych na morzu. Rozwiązanie łączy obraz RGB i termowizyjny z rozpoznawaniem postawy oraz analizą AI na pokładzie drona. W eksperymentach przeprowadzonych w Wietnamie system osiągnął 23 klatki na sekundę oraz dokładność wykrywania do 84% dla osób pływających i ponad 50% dla postaw wskazujących na tonięcie. Autorzy wskazują na potencjał skrócenia czasu rea
Mapy prawdopodobieństwa i strategie automatycznych poszukiwań dronami na Morzu Wattowym
W badaniu symulacyjnym oceniono strategie planowania tras dronów poszukujących zaginionych osób w środowisku pływowym Morza Wattowego. Do tworzenia dynamicznych map prawdopodobnego położenia osoby porównano symulacje Monte Carlo i model łańcucha Markowa. Strategie korzystające z map prawdopodobieństwa osiągały lepsze wyniki niż standardowe schematy przeszukiwania, szczególnie na większych obszarach. W symulowanym scenariuszu z wieloma dronami naj
Gęsty monokularny SLAM oparty na sieci CNN do eksploracji wnętrz dronem w czasie rzeczywistym podczas sytuacji awaryjnych
Autorzy ocenili możliwość mapowania wnętrz w czasie rzeczywistym za pomocą niedrogiego drona DJI Tello wyposażonego w kamerę RGB. Rozwiązanie łączy monokularny SLAM z siecią neuronową szacującą głębię na podstawie pojedynczego obrazu, aby zagęścić i przeskalować mapę. Celem było wsparcie rozpoznania wnętrz zawalonych budynków przed wejściem ratowników. Testy w rzeczywistych wnętrzach wykazały wydajność zgodną z wymaganiami ratowników dotyczącymi