基于深度图的无人机检测
机器人学
2018-08-02 v1
摘要
避障是无人机（UAV）安全导航的关键特性。尽管已有针对静态障碍物规避的方案，但由于检测距离、视场（FOV）要求以及在此类小型无人机上集成系统的限制，能够实现动态物体（如无人机）规避的系统难以实现。本工作中，生成了 6k 张无人机合成深度图数据集，并用于训练最先进的基于深度学习的无人机检测模型。许多传感技术只能提供障碍物的相对高度和方位角，而我们的基于深度图的方法可实现障碍物的完整 3D 定位。这对于碰撞规避极为有用，因为被检测无人机的 3D 定位是执行高效无碰撞路径规划的关键。所提出的检测技术在多个真实深度图序列中得到验证，多种类型无人机以最高 2 m/s 的速度飞行，取得了 98.7% 的平均精度、74.7% 的平均召回率以及 9.5 米的检测距离纪录。
引用
@article{arxiv.1808.00259,
title = {Drone Detection Using Depth Maps},
author = {Adrian Carrio and Sai Vemprala and Andres Ripoll and Srikanth Saripalli and Pascual Campoy},
journal= {arXiv preprint arXiv:1808.00259},
year = {2018}
}
备注
Accepted at the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2018), Madrid, Spain