Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich integriere Computer Vision und Edge AI für autonome Drohnen
Forschungsingenieur für autonome Robotik und UAV
Ich bin Robotics & UAV Research Engineer und NUST High Achievers Gold Medaillengewinner, spezialisiert auf autonome Systeme, Computer Vision und industrielle Steuerung. Als Finalist bei TEKNOFEST mit ...
Level 1
Hat bestimmte Leistungskriterien erfüllt und zeigt großes Potenzial auf dem Marktplatz.
Über diesen Service
Autonome UAV-Computer-Vision & Edge AI Engineering
Die meisten Drohnen folgen GPS, aber meine können "sehen".
Ich bin Robotics Research Engineer, Absolvent des Maschinenbaus an NUST und zweimaliger internationaler TEKNOFEST UAV Finalist. Ich spezialisiere mich auf die Entwicklung widerstandsfähiger autonomer Architekturen, die die Lücke zwischen schwerem Edge-Computing und physischen Flugsteuerungen schließen.
Mein AI & Vision Stack:
- Hardware: NVIDIA Jetson Nano, Raspberry Pi, OAK-D, Coral TPU
- Frameworks: OpenCV, YOLO (v8-v11), MediaPipe, TensorFlow Lite
- UAV Schnittstelle: MAVLink, ROS 2 und eigene Python API Brücken
Was ich für dich bauen kann:
- Präzisionslandung: Erkennung von ArUco Markern oder benutzerdefinierten Pads für genaue Landung.
- Objektverfolgung: Echtzeitverfolgung von Personen, Fahrzeugen oder anderen Drohnen mit Deep Learning.
- Handgestensteuerung: Intuitive Steuerung von Schwärmen oder einzelnen Drohnen basierend auf menschlichen Handbewegungen.
- Dynamische Abfangmissionen: Hochgeschwindigkeits-Erkennung und Pfadplanung für Abfangaufträge.
Warum du mich wählen solltest? Du engagierst einen Forscher, der diese Systeme in internationalen Wettbewerben gebaut und geflogen hat und ein Design-Patent für robotische Mechanismen besitzt.
Bitte schreibe mir vor der Bestellung, um dein Hardware-Setup zu besprechen!
Plattform:
Raspberry Pi
Sensoren:
Beschleunigungsmesser
•
Kamera
•
Position
•
Standort
•
Gyroscope
Expertise:
Bildverarbeitung
•
AI
•
Robotertechnik
Mein Portfolio
FAQ
Automatische Übersetzung
Welchen Begleitcomputer sollte ich für Echtzeit-AI verwenden?
Für Hochgeschwindigkeits-Objekterkennung wie YOLO empfehle ich die NVIDIA Jetson Serie wegen ihrer dedizierten CUDA-Kerne. Ich kann aber auch leichtere OpenCV- und MediaPipe-Skripte für den Raspberry Pi optimieren, falls deine Mission niedrigere Bildraten zulässt.
Kannst du mir beim Trainieren eines benutzerdefinierten YOLO-Modells für mein spezielles Ziel helfen?
Ja. Wenn du ein spezielles Ziel hast (z.B. eine einzigartige Landepad oder eine bestimmte Fahrzeugart), kann ich ein benutzerdefiniertes YOLO-Modell mit deinem Dataset trainieren und für Edge-Deployment optimieren, um maximale Inferenzgeschwindigkeit auf deiner Drohne zu gewährleisten.
Wie kommuniziert die AI mit meinem Pixhawk-Flugcontroller?
Ich verwende MAVLink (über pymavlink, DroneKit oder MAVSDK), um "Offboard"-Geschwindigkeits- und Positionsbefehle zu senden. Die AI verarbeitet den Kamerafeed auf deinem Begleitcomputer und weist den Flugcontroller genau an, wie er sich bewegen soll, um das Ziel zu verfolgen oder abzufangen.
Muss ich dir meine physische Drohne zum Testen schicken?
Nein. Als Ingenieur mit Erfahrung in Gazebo Harmonic und Webots entwickle und teste ich die Computer Vision und Pfadplanung in hochrealistischen 3D-Simulationen. Sobald die Logik verifiziert ist, stelle ich die Deployment-Skripte und eine detaillierte Integrationsanleitung für deine Hardware bereit.
Kannst du gestenbasierte Schwarmsteuerung umsetzen?
Absolut. Basierend auf meiner Forschung zur Mensch-Schwarm-Interaktion kann ich MediaPipe integrieren, um eine einzelne Drohne oder einen Schwarm (wie DJI Tello) deine Handbewegungen zu spiegeln oder in Echtzeit spezifische Gestenbefehle auszuführen.
