<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=94488"><dc:title>Uporaba algoritmov globokega učenja za zaznavo brezpilotnih letalnikov</dc:title><dc:creator>Andov,	Pane	(Avtor)
	</dc:creator><dc:creator>Sarjaš,	Andrej	(Mentor)
	</dc:creator><dc:creator>Gleich,	Dušan	(Komentor)
	</dc:creator><dc:subject>dron</dc:subject><dc:subject>detekcija dronov</dc:subject><dc:subject>radar</dc:subject><dc:subject>Dopplerjev radar</dc:subject><dc:subject>YOLOv8</dc:subject><dc:description>V magistrskem delu je bila predstavljena metoda za zaznavanje brezpilotnih letalnikov, ki združuje optično kamero in radar. V optičnem podsistemu so bili objekti zaznavani z uporabo algoritma YOLOv8, implementiranega na energijsko učinkoviti platformi NVIDIA Jetson Orin Nano, ki omogoča obdelavo v realnem času. Radarski podsistem temelji na FMCW radarju, ki izkorišča Dopplerjev pojav pri frekvenci 10 GHz in pasovni širini 500 MHz, kar omogoča natančno merjenje razdalje in hitrosti. Eksperimentalni rezultati so pokazali, da združevanje optičnih in radarskih podatkov poveča robustnost in zanesljivost zaznavanja brezpilotnih letalnikov v različnih okolijskih pogojih.</dc:description><dc:publisher>[P. Andov]</dc:publisher><dc:date>2025</dc:date><dc:date>2025-08-19 14:34:23</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>94488</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>