基于机载全卷积网络的微型无人机间高通量视觉相对定位
计算机视觉与模式识别
2024-04-18 v3 机器人学
摘要
无人机间的相对定位是任何集群操作的基础模块。我们在微型纳米无人机（即直径为10cm的无人机）的背景下解决这一任务，由于其减小的外形尺寸带来的新应用场景，纳米无人机受到日益增长的关注。其多功能性的代价是机载资源（即传感器、处理单元和内存）有限，这限制了机载算法的复杂性。克服这些限制的传统解决方案是直接在纳米无人机上部署轻量级深度学习模型。本工作仅使用灰度低分辨率相机和机载超低功耗片上系统，应对纳米无人机间相对位姿估计的挑战。我们提出了一种基于视觉的全卷积神经网络（FCNN）的垂直集成系统，该系统在扩展了 GWT GAP8 SoC 的 Crazyflie 纳米无人机上以 101mW 的功耗实现 39Hz 的运行速率。我们将我们的 FCNN 与三种 State-of-the-Art (SoA) 系统进行了比较。在包含 3 万张图像的真实数据集上，相较于性能最佳的 SoA 方法，我们的模型在水平图像坐标上的 R-squared 提升了 32% 至 47%，在垂直图像坐标上的 R-squared 提升了 18% 至 55%。最后，我们的现场测试表明，与先前的 SoA 工作相比，平均跟踪误差减少了 37%，续航性能可达 4 分钟的整个电池寿命。
引用
@article{arxiv.2402.13756,
title = {High-throughput Visual Nano-drone to Nano-drone Relative Localization using Onboard Fully Convolutional Networks},
author = {Luca Crupi and Alessandro Giusti and Daniele Palossi},
journal= {arXiv preprint arXiv:2402.13756},
year = {2024}
}
备注
ICRA 2024, IEEE Conference