基于流合成的高楼间单目避障视觉伺服框架
机器人学
2022-07-11 v1
摘要
我们提出一种新颖的基于流合成的视觉伺服框架，使在摩天大楼间飞行的微型飞行器（MAV）能够实现长距离避障。近期基于深度学习的框架利用光流进行高精度视觉伺服。本文中，我们探讨一个问题：能否为这些高精度视觉伺服方法设计一种替代流，从而实现避障？我们重新审视显著性概念，以在众多竞争 skyscraper 与建筑中识别处于/接近攻击线上的高楼结构作为碰撞障碍。一种合成流被用于位移显著物体分割掩码。该流经如此计算，使视觉伺服控制器操纵 MAV 安全绕开障碍。在该方法中，我们使用基于多步交叉熵法（CEM）的伺服控制来实现流收敛，进而达成避障。我们利用这一新颖流程在仿真与照片级真实感现实场景中成功且持续地绕过高楼并抵达目标。我们进行了大量实验，并将我们的方法与光流及短距基于深度的避障方法比较，以证明所提框架的优越性。更多可视化内容见 https://sites.google.com/view/monocular-obstacle/home
引用
@article{arxiv.2207.03557,
title = {Flow Synthesis Based Visual Servoing Frameworks for Monocular Obstacle Avoidance Amidst High-Rises},
author = {Harshit K. Sankhla and M. Nomaan Qureshi and Shankara Narayanan V. and Vedansh Mittal and Gunjan Gupta and Harit Pandya and K. Madhava Krishna},
journal= {arXiv preprint arXiv:2207.03557},
year = {2022}
}
备注
Accepted to IEEE International Conference on Automation Science and Engineering (CASE), 2022