CAD 25,000.00
Reported federal agreement value. An agreement can cover several years; this is not the amount paid out.
Selected because the publisher reports recipient province NL; NL Ledger has not established the work, benefit or jurisdiction from this record; source fields are available below.
This is the whole reported commitment or notice value, not the amount paid or an NL allocation.
- Recipient
- Memorial University of Newfoundland
- Public body
- National Research Council Canada
- Agreement start
- March 23, 2020
- Program
- Collaborative Science, Technology and Innovation Program – Ideation Fund
- Record type
- Federal grant or contribution
Receipt
agreement 172-2019-2020-Q4-945031, amendment 0
Source location evidence
Location review incomplete.
Reported address: country: CA; province: NL; city: St. John's; postal code: A1C 5S7.
How counted: latest of 1 rows (department reports running totals). Start: 2020-03-23; end: 2021-03-31; reported: not stated. Amount: published value.
Full source fields
- _id
- 493664035
- ref_number
- 172-2019-2020-Q4-945031
- amendment_number
- 0
- amendment_date
- agreement_type
- G
- recipient_type
- S
- recipient_business_number
- 107690273
- recipient_legal_name
- Memorial University of Newfoundland
- recipient_operating_name
- Memorial University of Newfoundland
- research_organization_name
- recipient_country
- CA
- recipient_province
- NL
- recipient_city
- St. John's
- recipient_postal_code
- A1C 5S7
- federal_riding_name_en
- St. John's East
- federal_riding_name_fr
- St. John's-Est
- federal_riding_number
- 10006
- prog_name_en
- Collaborative Science, Technology and Innovation Program – Ideation Fund
- prog_name_fr
- Programme de collaboration en science, en technologie et en innovation – Fonds d’idéation
- prog_purpose_en
- The Ideation Fund is intended to encourage, test and validate transformative research ideas generated by teams of NRC scientific personnel and external collaborators with complementary capabilities, acting as a demonstration phase for a continually-evolving suite of research and development (R&D) deliverables at the NRC. The fund supports exploratory research through two mechanisms: the New Beginnings Initiative and the Small Teams Initiative.
- prog_purpose_fr
- Le Fonds d’idéation vise à encourager, à mettre à l’essai et à valider les idées de recherche transformatrice des équipes scientifiques du CNRC et des collaborateurs externes dotés de capacités complémentaires. Il servira ainsi de plateforme de démonstration d’une série de produits livrables en matière de recherche-développement (R-D) en constante évolution au CNRC. Le Fonds appuie la recherche exploratoire au moyen de deux mécanismes : l’Initiative « Nouveaux débuts » et l’Initiative « Petites équipes ».
- agreement_title_en
- Real-time landing zone identification and object detection using a hardware accelerated deep learning module
- agreement_title_fr
- Identification de la zone d’atterrissage et détection des objets en temps réel grâce à un module informatique d’apprentissage profond rapide
- agreement_number
- 945031
- agreement_value
- 25000
- foreign_currency_type
- foreign_currency_value
- agreement_start_date
- 2020-03-23
- agreement_end_date
- 2021-03-31
- coverage
- description_en
- Vertical take-off and landing (VTOL) aircraft are often used for transporting goods to and from inaccessible areas, surveillance, ground support, etc. which can be enhanced and de-risked by increasing the autonomous capabilities of the vehicles. One of the main challenges in flight autonomy is the detection of landing zones (LZ) and obstacles to facilitate the safe, reliable, and quick landing of VTOL vehicles. The current research for LZ detection makes use of simple geometric rules to identify the safe LZs (e.g., can the helicopter fit in the available obstacle-free area). These approaches may not provide reliable results since the terrain characteristics such as slope, type of terrain, type of surrounding obstacles that affect landing safety are not taken into account. In this work, a sensing and dedicated computing module for real-time LZ identification and obstacle detection using deep learning will be developed. A novel dual-sensor solution, combining Laser Detection and Ranging (LiDAR) and optical sensors, will be used, which allows identifying both geometric features and visual information of a scene with a high level of confidence. The performance of the proposed system will be evaluated using flight data captured using a VTOL drone.
- description_fr
- On utilise souvent les aéronefs à décollage et à atterrissage verticaux (ADAV) pour transporter des marchandises à destination ou en provenance de lieux difficilement accessibles, mais aussi pour la surveillance, le soutien au sol et ainsi de suite. Une plus grande autonomie rehausse la performance de tels véhicules tout en atténuant les risques connexes. Une des principales difficultés que soulève l’autonomie en vol a trait à la détection des zones d’atterrissage et des obstacles, technique qui favorise un atterrissage sûr, fiable et rapide de l’ADAV. Les recherches actuelles dans le domaine reposent sur l’identification des zones d’atterrissage sécuritaires par de simples règles géométriques (à savoir, l’hélicoptère peut-il se poser dans la zone dépourvue d’obstacles). Toutefois, les approches de ce genre pourraient ne pas déboucher sur des résultats fiables, car elles ne prennent pas en compte les particularités du terrain (pente, type de sol, nature des obstacles voisins) susceptibles de rendre l’atterrissage plus dangereux. Le projet verra le développement d’un module de détection et de calcul qui recensera en temps réel les zones d’atterrissage et déterminera les obstacles par apprentissage profond. On recourra à une nouvelle solution à double capteur qui combine la détection à la télémétrie laser et aux capteurs optiques, deux techniques qui servent à préciser la géométrie d’un lieu et fournissent des données visuelles très fiables sur lui. On évaluera la performance du nouveau système au moyen des données saisies en vol par un drone à décollage et à atterrissage verticaux.
- naics_identifier
- 541710
- expected_results_en
- In the short term, anticipated outcomes will be strengthened collaborations across industry, academia, and government to support research excellence. In the medium term, anticipated outcomes will be the development of new and potentially disruptive technologies with collaborators.
- expected_results_fr
- À court terme, les résultats prévus sont des collaborations renforcées dans l’ensemble de l’industrie, du milieu universitaire et du gouvernement afin d’appuyer l’excellence en recherche. À moyen terme, les résultats prévus sont le développement de technologies potentiellement perturbatrices avec des collaborateurs.
- additional_information_en
- This agreement has been amended 1 time(s). The total amended value is 40,000 dollars.
- additional_information_fr
- Cet accord a été modifié 1 fois La valeur totale des modifications est de 40 000 dollars.
- owner_org
- nrc-cnrc
- owner_org_title
- National Research Council Canada | Conseil national de recherches Canada
Spot an error? Say so in the box below, or email corrections@nlledger.ca. What to send.