EVPropNet：通过寻找螺旋桨实现无人机的中空着陆与跟随检测

无人机（或称无人飞行器）可及性的迅速提升对总体安全与保密构成威胁。大多数市售或定制的无人机为多旋翼，由多个螺旋桨组成。由于这些螺旋桨以高速旋转，它们通常是图像中运动最快的部件，若不经严重运动模糊，经典相机一般无法直接“看见”。我们利用一类特别适合此类场景的传感器——事件相机，其具有高时间分辨率、低延迟和高动态范围。本文中，我们对螺旋桨的几何形状建模，并用其生成模拟事件来训练一个名为 EVPropNet 的深度神经网络，以从事件相机数据中检测螺旋桨。EVPropNet 无需任何微调或重训练即可直接迁移到真实世界。我们给出了网络的两个应用：（a）跟踪并跟随无标记无人机；（b）在近悬停无人机上着陆。我们在许多具有不同螺旋桨形状与尺寸的实世界实验中成功评估并演示了所提方法。即使在 60% 的螺旋桨被遮挡时，我们的网络仍能以 85.1% 的率检测螺旋桨，并可在 2W 功耗预算下以最高 35Hz 运行。据我们所知，这是首个基于深度学习检测螺旋桨（进而检测无人机）的方案。最后，我们的应用在跟踪与着陆任务上分别展现出 92% 和 90% 的令人印象深刻的成功率。