BARTONĚK, J. Pokročilý systém vizuálního řízení letu bezpilotního letadla [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.
Diplomová práce Josefa Bartoňka představuje velmi zdařilou kombinaci teoretického základu, vývoje softwaru a praktického hardwarového nasazení. Student se úspěšně vypořádal s náročným úkolem navrhnout a implementovat systém pro vizuální řízení letu bezpilotního letadla, založený na detekci a sledování objektů v reálném čase. V práci prokázal velmi dobré znalosti jak v oblasti zpracování obrazu a počítačového vidění, tak i v návrhu architektury softwarového systému optimalizovaného pro embedded hardware. Oceňuji zejména schopnost sladit nároky reálného hardwaru (Raspberry Pi, ArduPilot, MAVLink) s implementací moderních vizuálních algoritmů, včetně YOLOv8 a OpenCV trackingu. Významným přínosem je nejen integrace do reálného UAV systému, ale také skutečnost, že student během práce pravidelně prováděl náročné testy v reálném prostředí, což podstatně zvyšuje praktickou hodnotu celého řešení. V průběhu semestru student pracoval velmi samostatně. Práci konzultoval průběžně, byl aktivní a hledal způsoby, jak systém vylepšit. Výsledné řešení má nejen akademickou, ale i aplikační hodnotu v oblastech obrany proti nežádoucím UAV. Celkově lze práci hodnotit jako odborně zvládnutou a velmi přínosnou. Navrhuji hodnocení A – 90 b.
Cílem diplomové práce bylo implementovat algoritmus pro bezpilotní letadlo (multikoptéru) pro optické sledování blízko letících cílů, pravděpodobně za účelem fyzické neutralizace prostřednictvím vzájemné kolize. Zadání má jasně definované cíle vyplývající ze současných potřeb v oblasti ochrany před nežádoucím narušením vzdušného prostoru zejména jinými bezpilotními letadly. Student se měl zaměřit výhradně na softwarové řešení; vývoj hardwaru a konstrukce bezpilotního letadla nebyl předmětem práce. Rešerše existujících řešení a vhodných algoritmů vyžadovaná v prvním bodě zadání je zaměřena takřka výhradně na koncept řešení zvolený studentem. Jiné metody detekce letících objektů jsou zmíněny pouze povrchně a čtenář se tak nedozví téměř nic o existujících řešeních z výzkumné sféry či řešeních nasazených v praxi. Rešerše je tak zaměřena především na detekční algoritmus YOLO a související programové vybavení, algoritmy pro sledování objektů v obraze z knihovny OpenCV a software pro řízení letu bezpilotních letadel (autopilot) Ardupilot. Rešerše je svým rozsahem poměrně dostatečná, nicméně s ohledem na komplexnost popisovaných algoritmů a velké množství (často nevysvětlených) pojmů a algoritmů je vhodná spíše pro čtenáře, kteří se v problematice již orientují. Některé její části by si rozhodně zasloužily podrobnější vysvětlení, např. princip fungování konvolučních neuronových sítí (CNN) či metriky pro posouzení kvality detekce, namísto vyčerpávajícího popisu všech verzí YOLO. Rovněž mi zde chybí alespoň základní rozvaha, s jakou frekvencí by měly zvolené algoritmy fungovat s ohledem na předpokládané provozní parametry, jako je rychlost bezpilotního letadla a sledovaného cíle. Zvolený koncept pro řešení zadané úlohy ovšem považuji za vhodný a logický. Kombinace pomalého detektoru objektů založeného na CNN, rychlého optimalizovaného algoritmu pro sledování objektů v kombinaci se spolehlivým autopilotem vybaveným již odladěnými regulačními strukturami představuje srozumitelnou cestu k dosažení zadaných cílů. Přestože je navržené řešení založené převážně na hotových algoritmech, student je musel vhodně propojit do jednoho softwarového celku, a to s ohledem na cílovou architekturu a rychlost vyžadovanou danou aplikací. Tuto část rozhodně nelze považovat za jednoduchou s ohledem na komplexnost použitých knihoven a frameworků, které často vyžadují specifické knihovní závislosti. Řešení bylo implementováno v jazyce C++ a odevzdaný projekt je logicky a přehledně strukturovaný do jednotlivých knihoven. S ohledem na fakt, že byl software navržen pro specifický výpočetní hardware, kameru a bezpilotní letadlo, jako oponent nemohu jeho funkčnost nezávisle ověřit a potvrdit. Obrázky úspěšné detekce a sledování cíle a související text uvedený v práci sice dokazují funkčnost elementárních částí, nicméně nedávají čtenáři ucelenou představu o funkčnosti systému. V závěrech chybí podrobnější informace o počtu provedených testů, úspěšnosti detekce a sledování, nastavení rychlosti bezpilotního letadla a cíle apod. Doporučuji tyto závěry shrnout při obhajobě práce spolu s videozáznamy z testování, pokud byly zaznamenány. Zadání lze celkově považovat za splněné, ovšem s drobnými nedostatky. V bodě 3 a 4 je zmíněna predikce pohybu sledovaného objektu, kterou student nakonec s ohledem na technické omezení uvedené v kapitole 3.7.2 nakonec neimplementoval. Zjištěné závěry a důvody jsou logické, nicméně doporučuji je objasnit při obhajobě práce. Textová část práce je svou délkou na spodní hranici doporučeného rozsahu a v určitých částech by si zasloužila rozšíření (rešerše, rozvaha nad požadavky na řešení, vyhodnocení). Typograficky je ovšem na velmi dobré úrovni, text obsahuje pouze minimum chyb a obrázky jsou vesměs kvalitní a relevantní. V tomto kontextu lze mít ovšem výhrady k občasnému používání netechnických či méně vhodných pojmů s ohledem na typ práce, např. označení „mozek dronu“ pro řídicí jednotku, označení „čočka“ pro objektiv, samotný pojem „dron“ namísto formálnějších označení UAV či UAS a další. Až na zmíněnou rešeršní část, student pracoval v dostatečné míře s literaturou, zhruba čtvrtina referencí odkazuje na odborné publikace. I přes výše zmíněné nedostatky považuji práci za kvalitní, zvolené řešení za vhodné a s možným praktickým využitím, pokud by se řešení doladilo. I s ohledem na použité hotové algoritmy je práce originální a svědčí o magisterských schopnostech studenta. Práci doporučuji k obhajobě s hodnocením 84 bodů (B).
eVSKP id 168005