基于深度学习与不确定性传播的单体无人机定位
机器人学
2023-11-07 v1
摘要
本文提出一种基于地面的单体无人机（UAV）定位系统，可检测并定位附着于无人机底部的LED标记。与现有常用于GPS拒止环境下定位的UWB、射频和多相机系统等技术不同，我们的系统无需大量基础设施与标定。为提升在真实应用中无需采集大量真实数据集的可部署性，我们使用合成二值图像训练CNN，而非现有单体无人机定位方法所用的真实图像，并考虑相机变焦以追踪更远距离飞行的无人机。我们提出NoisyCutout算法用于增强合成二值图像以模拟由真实图像处理得到的二值图像，并表明相较于现有salt-and-pepper与Cutout增强方法，其提升了定位精度。我们还利用不确定性传播修改CNN的损失函数，并表明这也提升了定位精度。我们进行了真实世界实验以评估所提方法，获得了约0.41m的总体三维RMSE。
引用
@article{arxiv.2311.02908,
title = {Monocular UAV Localisation with Deep Learning and Uncertainty Propagation},
author = {Xueyan Oh and Ryan Lim and Leonard Loh and Chee How Tan and Shaohui Foong and U-Xuan Tan},
journal= {arXiv preprint arXiv:2311.02908},
year = {2023}
}
备注
This paper has been accepted by IEEE Robotics and Automation Letters (Volume: 7, Issue: 3, July 2022) with DOI: https://doi.org/10.1109/LRA.2022.3186750