基于计算轻量谱归一化记忆神经元网络的微小型无人机无GPS操作位置估计器
机器人学
2022-12-06 v2
摘要
本文解决了无人机在杂乱环境中运行且GPS信息不可用时的位置估计问题。提出了一种基于模型学习的方法，该方法以旋翼转速和过去状态作为输入，使用一种新颖的谱归一化记忆神经网络（SN-MNN）预测无人机的一步超前位置。谱归一化保证了稳定可靠的预测性能。预测位置被转换到全局坐标系，随后与使用机载扩展卡尔曼滤波的IMU、气压计、罗盘等其他外围传感器的里程计融合，以估计无人机状态。利用从运动捕捉设施通过微小型无人机收集的实验飞行数据来训练SN-MNN。使用PX4-ECL库通过所提算法回放飞行数据，并将估计位置与实际真值数据进行比较。所提算法不需要任何额外的机载传感器，且计算轻量。将所提方法的性能与当前最先进的无需GPS算法进行比较，可以看出所提算法具有最小的位置估计RMSE。
引用
@article{arxiv.2211.06548,
title = {Computationally Light Spectrally Normalized Memory Neuron Network based Estimator for GPS-Denied operation of Micro UAV},
author = {Nishanth Rao and Suresh Sundaram and Varun Raghavendra},
journal= {arXiv preprint arXiv:2211.06548},
year = {2022}
}
备注
Submitted to L4DC 2023