一种基于多模态学习的无人机自主着陆方法
计算机视觉与模式识别
2024-05-22 v1
摘要
在自主无人机（UAV）着陆领域，传统方法不仅无法提供所需的精度，也无法抵御环境干扰。然而，基于学习的算法通过利用其从数据中学习智能行为的能力，可以提供有前景的解决方案。一方面，本文引入了一种新颖的基于多模态 Transformer 的深度学习检测器，能够为精确的自主着陆提供可靠的定位。它通过解决单个传感器的局限性超越了标准方法，即使在多样的天气和传感器故障条件下也能实现高可靠性。它在不同环境中进行了严格验证，实现了高达 90% 的最优真阳性率和平均精度。另一方面，提出了一种基于深度 Q 网络（DQN）原理的强化学习（RL）决策模型。该模型最初在仿真中进行训练，其自适应行为已成功转移并在真实室外场景中得到验证。此外，该方法展示了约 5ms 的快速推理时间，验证了其在边缘设备上的适用性。
引用
@article{arxiv.2405.12681,
title = {A Multimodal Learning-based Approach for Autonomous Landing of UAV},
author = {Francisco Neves and Luís Branco and Maria Pereira and Rafael Claro and Andry Pinto},
journal= {arXiv preprint arXiv:2405.12681},
year = {2024}
}