面向实时四旋翼控制的高效自监督神经-分析性视觉伺服
计算机视觉与模式识别
2025-07-29 v1 机器人学
摘要
本工作引入了一种自监督神经-分析性、低成本的模型，用于基于视觉的四旋翼控制，其中小型1.7M参数的学生ConvNet可自动从分析师，改进的图像基视觉伺服（IBVS）控制器学习。我们的IBVS系统通过简化经典视觉伺服方程，解决数值不稳定问题，实现高效稳定的图像特征检测。通过知识蒸馏，学生模型在推理速度上比教师IBVS管线快11倍，同时在显著降低计算和内存成本方面表现出与教师相似的控制精度。我们的视觉唯一自监督神经-分析控制，使四旋翼无需依赖显式几何模型或 fiducial 标记，即可实现姿态和运动控制。该方法论证利用了仿真到现实的迁移学习，在GPS被禁止的室内环境中验证于小型无人机平台。我们的关键贡献包括：（1）一个解决经典方法固有数值不稳定性的分析IBVS教师，（2）一个将YOLOv11与基于U-Net的mask splitter 结合的两阶段分割管线，用于稳健的前后车辆分割以正确估计目标姿态，（3）一个高效的知识蒸馏双路径系统，将分析IBVS教师的几何视觉伺服能力传递给一个紧凑小型学生神经网络，后者虽适用于实时 onboard 部署，却超越了教师。
引用
@article{arxiv.2507.19878,
title = {Efficient Self-Supervised Neuro-Analytic Visual Servoing for Real-time Quadrotor Control},
author = {Sebastian Mocanu and Sebastian-Ion Nae and Mihai-Eugen Barbu and Marius Leordeanu},
journal= {arXiv preprint arXiv:2507.19878},
year = {2025}
}
备注
Accepted at the International Conference on Computer Vision Workshops 2025