使用深度学习的未知黑暗地下矿井中的微型飞行器导航
机器人学
2020-06-09 v1
摘要
本文提出一种深度学习（DL）方法，以使低成本微型飞行器（MAV）在未知黑暗地下矿井隧道中实现全自主飞行。此类环境带来多重挑战，包括光照缺失、通道狭窄、阵风与粉尘。所提方法无需精确位姿估计，并将飞行平台视为漂浮物体。所提卷积神经网络（CNN）监督图像分类器方法通过处理来自单板载相机的图像帧，将 MAV 的航向修正至矿井隧道中心，同时平台以恒定高度与期望速度参考航行。此外，CNN 模块的输出可被操作员用作碰撞预测信息。所提方法的效率已在瑞典一处地下矿井的多次现场试验中成功评估，展示了该方法在不同区域与光照水平下的能力。
引用
@article{arxiv.2006.04223,
title = {MAV Navigation in Unknown Dark Underground Mines Using Deep Learning},
author = {Sina Sharif Mansouri and Christoforos Kanellakis and Petros Karvelis and Dariusz Kominiak and George Nikolakopoulos},
journal= {arXiv preprint arXiv:2006.04223},
year = {2020}
}