Push latest changes

diploma.tex

@@ -883,32 +883,38 @@ Kamere na dronih imajo vidno polje 80 stopinj in so usmerjene pravokotno na sred
 Mesta, vključena v ucni nabor podatkov, so:
 
 \begin{itemize}
-    \item \textbf{Maribor:} 422m nad morsko gladino.
+    \item \textbf{Maribor:} Nadmorska višina: 272m, Višina drona: 150m, Skupaj: 422m nad morsko gladino.
-    \item \textbf{Trst:} 173m nad morsko gladino.
+    \item \textbf{Trst:} Nadmorska višina: 23m, Višina drona: 150m, Skupaj: 173m nad morsko gladino.
-    \item \textbf{Zagreb:} 308m nad morsko gladino.
+    \item \textbf{Zagreb:} Nadmorska višina: 158m, Višina drona: 150m, Skupaj: 308m nad morsko gladino.
-    \item \textbf{Gradec:} 503m nad morsko gladino.
+    \item \textbf{Gradec:} Nadmorska višina: 353m, Višina drona: 150m, Skupaj: 503m nad morsko gladino.
-    \item \textbf{Celovec:} 596m nad morsko gladino.
+    \item \textbf{Celovec:} Nadmorska višina: 446m, Višina drona: 150m, Skupaj: 596m nad morsko gladino.
-    \item \textbf{Videm:} 263m nad morsko gladino.
+    \item \textbf{Videm:} Nadmorska višina: 113m, Višina drona: 150m, Skupaj: 263m nad morsko gladino.
-    \item \textbf{Pula:} 167m nad morsko gladino.
+    \item \textbf{Pula:} Nadmorska višina: 17m, Višina drona: 150m, Skupaj: 167m nad morsko gladino.
-    \item \textbf{Pordenone:} 174m nad morsko gladino.
+    \item \textbf{Pordenone:} Nadmorska višina: 24m, Višina drona: 150m, Skupaj: 174m nad morsko gladino.
-    \item \textbf{Szombathely:} 362m nad morsko gladino.
+    \item \textbf{Szombathely:} Nadmorska višina: 212m, Višina drona: 150m, Skupaj: 362m nad morsko gladino.
-    \item \textbf{Benetke:} 149m nad morsko gladino.
+    \item \textbf{Benetke:} Nadmorska višina: -1m, Višina drona: 150m, Skupaj: 149m nad morsko gladino.
 \end{itemize}
 
 Dodatno je bil v nabor dodan tudi testni nabor podatkov za Ljubljano, ki vključuje 1.000 slik. 
 
 Vsaka slika je opremljena z oznakami lokacije kamere v sistemu ECEF. Sistem ECEF (Earth Centered, Earth Fixed) je globalni koordinatni sistem z izhodiščem v središču Zemlje.
 
-Ta nabor podatkov ponuja dragocen vpogled v izzive in možnosti, ki jih droni srečujejo v različnih mestnih okoljih, 
+Ta nabor podatkov ponuja vpogled v izzive in možnosti, ki jih droni srečujejo v različnih mestnih okoljih, 
 in je ključnega pomena za razvoj naprednih algoritmov za lokalizacijo in navigacijo.
 
+\begin{figure}[h]
+\centering
+\includegraphics[width=0.8\textwidth]{./img/drone_image_example.jpeg}
+\caption{Primer dronske slike.}
+\label{fig:drone_image_example}
+\end{figure}
 
 \section{satelitske slike}
 Za vsako dronsko sliko sem poiskal ustrezen satelitski "tile" ali ploščico.
 Ta korak je bil ključnega pomena, saj je zagotovil, da so satelitske slike popolnoma usklajene z dronskimi slikami v smislu geografske lokacije.
-Ko sem identificiral ustrezen satelitski "tile", sem ga prenesel neposredno iz Mapbox API-ja, priznanega vira za visokokakovostne satelitske slike.
+Ko sem identificiral ustrezen satelitsko ploscico, sem jo prenesel neposredno iz Mapbox API-ja, priznanega vira za visokokakovostne satelitske slike.
-Da bi zagotovil dodatno globino in kontekst za vsako lokacijo, nisem prenesel samo osrednjega "tile-a", temveč tudi vse njegove sosednje ploščice. 
+Da bi zagotovil dodatno globino in kontekst za vsako lokacijo, nisem prenesel samo osrednje ploscice, temveč tudi vse njegove sosednje ploščice. 
-Te sosednje ploščice so bile nato združene z osrednjim "tile-om" za ustvarjanje enotne TIFF datoteke.
+Te sosednje ploščice so bile nato združene z osrednjo ploscico za ustvarjanje enotne TIFF datoteke.
 Ta pristop je omogočil, da sem imel na voljo širšo regijo za analizo in učenje.
 
 Ko sem imel pripravljene TIFF datoteke, sem začel z učnim procesom. Za vsako iteracijo učenja sem iz vsake TIFF datoteke naključno izrezal regijo velikosti 400x400 pikslov. 
@@ -941,10 +947,32 @@ lahko izrazimo:
         \end{align*}
 \end{itemize}
 
+\begin{figure}[h]
+\centering
+\includegraphics[width=0.8\textwidth]{./img/corresponding_sat_image_example.png}
+\caption{Primer pripadajoče satelitske slike za dronsko sliko.}
+\label{fig:corresponding_sat_image_example}
+\end{figure}
 
 \chapter{Implementacija}
 \label{ch3}
-Tle bos pa napisal o implementaciji.
+
+\subsection{Motivacija}
+Pri sledenju objektov raziskovalci sledenje izvajajo z izračunom podobnosti med predlogo in iskalnim območjem v trenutnem okviru. 
+Metoda iskanja točk znotraj slike izhaja iz metode na področju sledenja objektov, vendar je ta metoda bolj zapletena kot sledenje objektov. 
+To je zato, ker sta predloga (dronska slika) in iskalna slika (satelitske slike) iz različnih pogledov, kar povzroča veliko variabilnost.
+
+Metoda iskanja točk z uporabo slike uporablja satelitsko sliko kot iskalno sliko in dronsko sliko kot poizvedbeno sliko. 
+Nato se slike, posnete z dronom, in satelitske slike ustreznih območij prenesejo v end-to-end (celovito?) omrežje. 
+Po obdelavi je rezultat toplotni zemljevid, točka z najvišjo vrednostjo na toplotnem zemljevidu pa je lokacija drona, kot jo napove model.
+Nato to lokacijo preslikamo na satelitsko sliko. Položaj drona lahko določimo glede na informacije o geografski širini in dolžini, ki jih ohranja satelitska slika. 
+V FPI avtorji uporabljajo dva Deit-S brez deljenih uteži kot modula za ekstrakcijo značilnosti za vertikalne poglede slik drona in satelitskih slik \cite{dai2022finding}.
+Nato se ekstrahirane značilnosti podvržejo izračunu podobnosti, da se pridobi toplotni zemljevid. 
+Končno preslikamo lokacijo z najvišjo vrednostjo toplotnega zemljevida na satelitsko sliko, da določimo lokacijo UAV. 
+
+V FPI se za izračun podobnosti uporablja zadnja plast zemljevidov značilnosti \cite{dai2022finding}. 
+Ker je končni izhodni zemljevid stisnjen 16-krat, model izgubi veliko prostorskih informacij. 
+Izguba prostorskih informacij prinese nepopravljivo izgubo končne natančnosti pozicioniranja.
 
 \chapter{Eksperimenti}
 \label{ch4}