Autonomt navigationsstöd från georeferering i realtid

Viktiga resultat som projektet gav

Med fokus på bildbaserad lägesbestämning för UAV:er, utan användning av satellitbaserad navigering, var målet att överföra kunskap och bygga en grund för utveckling av främst bildbaserade navigationssystem genom samarbete mellan KTH och Spacemetric. Sammantaget uppnådde projektet sina mål: · innovativa metoder utvecklades och presenterades vid tre internationella konferenser · flera artiklar publicerades · den inhämtade kunskapen har gett Spacemetric underlag för vidare utveckling av bildbaserad navigering · arbetet väckte intresse på nationell och europeisk nivå.

Långsiktiga effekter som förväntas

Projektet genererade tre vetenskapliga publikationer, presenterade vid internationella konferenser, och två masteruppsatser. En innovativ metod för låghöjdsnavigering över skogslandskap togs fram. Metoden utnyttjar växtlighetens 3D-strukturer (patentsökt). Spacemetric erhöll kunskap som underlag för framtida utveckling av bildbaserad navigering. Ett fortsättningsprojekt med FMV-finansiering pågår. Ett parallellt Vinnova-projekt om användningsfall och icke-tekniska utmaningar för framtida autonom flygnavigering genomfördes med svenska UAV-användare.

Upplägg och genomförande

Projektet genomfördes i nära samarbete mellan KTH och Spacemetric. Daniel Sabel, som är anställd vid Spacemetric, genomförde inom ramen för projektet doktorandstudier vid KTH:s avdelning för robotik, perception och lärande. Två projektspecifika masteruppsatser genomfördes under projektets ledning. SME:n I-CONIC Vision anlitades för realtidsgenerering av 3D-data från UAV-bilder. Datainsamling genomfördes av Spacemetric med projektets egen UAV. Projektet samverkade även med andra industriella och statliga enheter i Sverige och i Europa, t.ex. NFFP:s klusterledare.