NanoFlowNet：纳米四旋翼上的实时稠密光流
机器人学
2022-09-16 v1 人工智能
计算机视觉与模式识别
摘要
纳米四旋翼体积小、敏捷且廉价，非常适合在狭窄杂乱环境中部署。受其有限载荷限制，这些飞行器的计算能力高度受限，致使常规基于视觉的安全自主导航方法无法适用。近期机器学习进展有望以低延迟实现高性能感知，而专用边缘计算硬件可增强这些受限设备的处理能力。本工作中，我们提出NanoFlowNet，一种用于边缘计算硬件上实时稠密光流估计的轻量卷积神经网络。我们借鉴近期语义分割进展设计该网络。此外，我们利用运动边界真值数据引导光流学习，在不增加延迟的前提下提升性能。在MPI-Sintel数据集上的验证结果显示了所提网络在受限架构下的高性能。我们进一步将NanoFlowNet部署于超低功耗GAP8微处理器，并应用于Bitcraze Crazyflie（一款34克纳米四旋翼）上的基于视觉的避障，成功展示了其能力。
引用
@article{arxiv.2209.06918,
title = {NanoFlowNet: Real-time Dense Optical Flow on a Nano Quadcopter},
author = {Rik J. Bouwmeester and Federico Paredes-Vallés and Guido C. H. E. de Croon},
journal= {arXiv preprint arXiv:2209.06918},
year = {2022}
}
备注
8 pages, 9 figures, 4 tables