面向自主纳米无人机、基于深度学习且开源软硬件的视觉导航引擎
机器人学
2021-03-22 v1 机器学习
信号处理
摘要
直径仅几厘米、总功率预算低于 10 瓦的纳米级无人机（UAV）迄今为止被认为若无基站、专用局部定位基础设施和强大的外部计算服务器的外部辅助，便无法运行复杂的基于视觉的自主导航软件。在本工作中，据我们所知，我们提出了首个 27 克纳米无人机系统，能够基于最先进的深度学习算法在板端运行端到端、闭环视觉自主导航流水线，该系统构建于开源的 CrazyFlie 2.0 纳米四旋翼之上。我们的视觉导航引擎得益于超低功耗计算设备（GAP8 系统级芯片）与一种部署深度卷积神经网络（CNN）新方法相结合。我们实现了最先进深度 CNN 的板端实时执行，频率高达 18Hz。现场实验表明，该系统的高响应性可防止以最高 1.5m/s 飞行速度对意外动态障碍物的碰撞。此外，我们还展示了我们的视觉导航引擎在一条 113m 此前未见的路径上完全自主室内导航的能力。为了与嵌入式和机器人社区分享我们的关键发现并促进自主纳米无人机的进一步发展，我们公开发布了所有代码、数据集和训练好的网络。
引用
@article{arxiv.1905.04166,
title = {An Open Source and Open Hardware Deep Learning-powered Visual Navigation Engine for Autonomous Nano-UAVs},
author = {Daniele Palossi and Francesco Conti and Luca Benini},
journal= {arXiv preprint arXiv:1905.04166},
year = {2021}
}
备注
Accepted for publication in Proceeding of International Conference on Distributed Computing in Sensor Systems (DCOSS 2019). arXiv admin note: text overlap with arXiv:1805.01831