基于 CNN 的相机位姿估计实现无人机视觉巡检系统初始化
机器人学
2023-11-07 v1
摘要
通用视觉巡检是一种人工巡检流程，定期用于检测和定位商用飞机外部的明显损伤。越来越多地要求在登机口执行该流程以最小化飞机停场时间，且期望实现自动化以减少对人力的依赖。这种自动化通常需要第一步估计相机相对于飞机的位姿以进行初始化。然而，定位方法常需要基础设施，在不受控的室外环境及机场停机坪上有限的周转时间（约 2 小时）内执行时极具挑战。此外，商用飞机出入受限，导致解决方案的开发和测试成为难题。因此，本文提出一种现场无基础设施的初始化方法，通过使用与巡检任务相同的云台变焦相机来估计其自身位姿。这是通过仅用合成图像训练的 Deep Convolutional Neural Network 回归相机位姿实现的。我们在生成训练网络的数据集时应用域随机化，并通过在现有损失函数中引入利用已知飞机几何关联位置与朝向的新分量来提高预测精度。实验表明，我们已成功回归相机位姿，中位误差为 0.22 m 和 0.73 度。
引用
@article{arxiv.2311.02900,
title = {Initialisation of Autonomous Aircraft Visual Inspection Systems via CNN-Based Camera Pose Estimation},
author = {Xueyan Oh and Leonard Loh and Shaohui Foong and Zhong Bao Andy Koh and Kow Leong Ng and Poh Kang Tan and Pei Lin Pearlin Toh and U-Xuan Tan},
journal= {arXiv preprint arXiv:2311.02900},
year = {2023}
}
备注
This paper has been accepted by 2021 IEEE International Conference on Robotics and Automation (ICRA) with DOI: 10.1109/ICRA48506.2021.9561575