面向森林中机器人集群的嵌入式计算机深度估计
机器人学
2021-03-22 v2
摘要
迄今为止，机器人集群尚未具备在森林地面进行自主导航（如路径规划与障碍物检测）的能力，且无法实现低成本。深度感知与嵌入式计算硬件的发展为地面机器人集群铺平了道路。本研究的目标是通过为小型地面机器人开发低成本视觉系统以快速感知地形来改善这一状况。我们开发了两种深度估计模型，并从深度估计模型的精度、运行时间与模型大小，以及上述两种嵌入式车载计算机（Raspberry Pi 4与Jetson Nano）的内存消耗、功耗、温度与成本方面评估其性能。我们的研究表明，部署在Raspberry Pi 4上的自编码器网络以3.4 W功耗、约200 MB内存消耗和13 ms平均运行时间运行，这可满足我们对低成本机器人集群的要求。此外，我们的分析还表明多尺度深度网络更适用于从相机运动引起的模糊RGB图像预测深度图。本文主要描述了在我们于森林中记录的自有数据集上训练的深度估计模型，及其在嵌入式车载计算机上的性能。
引用
@article{arxiv.2012.02907,
title = {Depth estimation on embedded computers for robot swarms in forest},
author = {Chaoyue Niu and Danesh Tarapore and Klaus-Peter Zauner},
journal= {arXiv preprint arXiv:2012.02907},
year = {2021}
}
备注
the depth estimation models cannot perform well in a forest