用于实时自主室内导航的深度神经网络
计算机视觉与模式识别
2015-11-30 v2
摘要
微型飞行器（MAVs）的自主室内导航面临诸多挑战。一个主要原因是 GPS 在室内环境中精度有限。此外，MAVs 无法携带重型或高功耗传感器（如测距仪），这使得室内自主导航成为一项艰巨任务。在本文中，我们提出了一个实用系统，其中四旋翼飞行器利用单个摄像头在室内自主导航并寻找特定目标，即书包。我们使用一种深度学习模型，即卷积神经网络（ConvNet），来学习模仿专业飞手动作选择的控制器策略。我们通过在不同室内环境中的实时实验展示了系统的性能。为了进一步理解我们训练的网络，我们采用了多种可视化技术。
引用
@article{arxiv.1511.04668,
title = {Deep Neural Network for Real-Time Autonomous Indoor Navigation},
author = {Dong Ki Kim and Tsuhan Chen},
journal= {arXiv preprint arXiv:1511.04668},
year = {2015}
}