Cílem práce bylo prozkoumat aktuální řešení v oblasti absolutní vizuální lokalizace bezpilotních letadel pro operace v prostředí s nedostupným GNSS, případně navrhnout vlastní řešení.
V rámci rešerše student nalezl několik vhodných open-source projektů řešících tuto problematiku a rozhodl se jít cestou využití již hotové implementace a její úpravy. Prakticky zprovoznil a otestoval dva projekty, přičemž jeden z nich zvolil jako vhodného kandidáta s ohledem na menší nároky na dataset a dobrou připravenost projektu k použití.
Student tak pracoval s již hotovou implementací, kterou modifikoval zejména na úrovni vstupních parametrů a doplnil ji o modul umožňující napojení na systém ROS 2 pro budoucí integraci na bezpilotní letadlo. Přestože detailní porozumění poměrně rozsáhlému projektu lze považovat za obtížné, student zpočátku pracoval spíše metodou pokus–omyl namísto důkladného nastudování podkladových publikací vysvětlujících implementaci nebo využití dostupného ladicího nástroje. Tento přístup vedl k pomalejšímu postupu, nedostatku času v testovací části práce a vyžadoval větší zapojení vedoucího.
Za přínosné lze naopak považovat podrobné testování všech parametrů použitých algoritmů a vyhodnocení jejich vlivu na schopnost párování snímků a přesnost lokalizace. Zvolený projekt bohužel implementuje lokalizaci pomocí nevhodného algoritmu, který určuje polohu obrazu, nikoli kamery bezpilotního letadla, což způsobuje značné chyby při letu v náklonu. Tento implementační detail sice mohl být odhalen dříve, avšak s ohledem na komplexitu projektu to studentovi nelze zásadně vytýkat. Dosažené výsledky a poznatky jsou užitečné zejména pro další směřování výzkumu v této oblasti.
Formální úprava práce je na dobré úrovni a odpovídá doporučenému rozsahu. S ohledem na občasné používání nevhodných či nevysvětlených termínů a spíše vypravěčský charakter textu se však může nezasvěcený čtenář v práci místy ztrácet. Práce zahrnuje dostatek kvalitních literárních zdrojů, především odborných publikací popisujících dané projekty a algoritmy. Se samotnými zdroji však mohl student pracovat intenzivněji. Během semestru byl aktivní a svůj postup pravidelně konzultoval s vedoucím.
Student splnil všechny body zadání a prokázal schopnost samostatně pracovat na technických problémech, byť s řadou výše uvedených výhrad. Práci doporučuji k obhajobě a hodnotím stupněm C, 75 body. Points proposed by supervisor: 75

Student Matěj Března odevzdal bakalářskou práci členěnou do šesti kapitol. Zadání hodnotím jako obtížnější. Zadání kombinuje rešerši existujících metod s praktickou implementací a experimentálním ověřením. Rozsah práce od úvodu po závěr je 35 stran.

Formální úprava je spíše podprůměrná. Práce obsahuje stylistické chyby a překlepy. Název práce je v bibliografické citaci uveden odlišně od titulní strany. Závažnějším nedostatkem je absence citací u převzatých obrázků. Ilustrace z citovaných článků nemají u popisku uveden zdroj. Student v práci cituje ze 10 relevantních zdrojů.  

Úroveň zpracování textu je místy na nízké úrovni. Část textu je zbytečně zaplněna popisem triviálních instalačních kroků bez technické hodnoty. Analytické závěry jsou v experimentální části nedostatečně podloženy daty. Student popisuje pozorování, aniž by je kvantitativně doložil.

V teoretické části student solidně zpracoval rešerši několika přístupů k absolutní vizuální lokalizaci a odůvodnil výběr metody Vision-based GNSS-Free jako základu pro implementaci. Tímto považuji první dva body zadání za splněny. Praktická část popisuje zprovoznění open-source projektu a její rozšíření o ROS 2 rozhraní prostřednictvím tříd RosCameraStreamer a RosDataSubscriber. To je konkrétní technický přínos práce a splnění třetího bodu zadání.
Autor práce spolu s vedoucím tvořili dataset z reálného měření na bezpilotní robotické platformě čímž je splněn čtvrtý bod zadání. V popisu práce mi chybí popis hardwaru a technické detaily. Autor například uvádí že zvolil zoom-level podkladové mapy na hodnotu „18“ aniž by upřesnil co je touto hodnotou myšleno a nediskutoval ani typickou letovou výšku ani parametry kamery a objektivu.

Kapitoly pět a šest se zabývají testováním a vyhodnocením výsledků. Autor nejprve testuje na několika izolovaných snímcích z dronu a poté přistupuje k testování na vytvořeném datasetu, což mělo nahradit stream dat z dronu. Tímto měl být splněn bod zadání pět. Ovšem díky výpočetní náročnosti byl záznam zpomalen na jednu desetinu rychlosti. Student později přistoupil k extrahování všech snímku ze záznamy aby mohly být vyhodnoceny.
Sám autor uvádí, že výsledky testování jsou však výrazně horší než u originální metody: ze 1 275 snímků bylo po filtraci úspěšně lokalizováno jen 74 bodů (6% úspěšnost) s přesností kolem 50m, zatímco originální článek uvádí 61 % s průměrnou chybou 15,8 m. Tento rozdíl student explicitně nezmiňuje a ani analyticky nevysvětluje. Přitom v práci správně identifikuje dvě systematické chyby. Chybějící rotaci snímku podle yaw úhlu a nepřesnost homografie při náklonu dronu, ale žádnou z nich neopravuje, přestože data pro jejich korekci pravděpodobně měl k dispozici. Místo toho věnuje hlavní experimentální úsilí ladění minoritních parametrů SuperPoint a SuperGlue pomocí metody grid search. Praktická použitelnost systému není zřejmá. Algoritmus nejspíše nikdy nezpracovával data v reálném čase, neboť testování probíhalo na přehrávání záznamu zpomalené na desetinu rychlosti.

Práce po zodpovězení otázek může svědčit o bakalářských schopnostech studenta. Celkové hodnocení E / 55 bodů. Topics for thesis defence:

1. Na straně 30 popisujete otáčení snímků ve čtyřech orientacích po 90° jako řešení problému s orientací. Měl jste k dispozici yaw data z metadat snímků? Pokud ano, proč jste je nevyužil pro přesnou rotaci?
2. V sekci 6.3 identifikujete chybu způsobenou náklonem dronu. Data o pitch, roll a výšce letu jsou v dostupná. Proč jste neimplementoval geometrickou korekci offsetu namísto jednoduchého doporučení nasazení gimbalu?
3. Jaká je výpočetní náročnost algoritmu? Jak dlouho trvá zpracování jednoho snímku na použitém hardwaru?

Points proposed by reviewer: 55