基于深度神经网络的视觉伺服应用噪声容忍辨识与整定方法
机器人学
2022-02-09 v2 系统与控制
系统与控制
摘要
由于低成本机载传感器与计算机的普及，基于视觉的无人 aerial 车辆（UAV）控制已被广泛应用。此类系统的整定需要大量领域专属经验，限制了新兴应用的发展。此外，由于所用模型的复杂性，获取基于 UAV 的视觉伺服性能极限十分困难。本文提出一种新颖的噪声容忍实时辨识与整定方法，基于深度神经网络（DNN）对改进继电反馈测试（MRFT）产生的系统响应进行分类。所提方法称为带噪声保护 MRFT 的 DNN（DNN-NP-MRFT），可与多种视觉传感器及估计算法配合使用，尽管传感器噪声水平很高。研究了 DNN-NP-MRFT 对噪声扰动的响应，并分析了其对辨识与整定性能的影响。所提 DNN-NP-MRFT 能够检测因使用高延迟视觉传感器或由于在 UAV 状态估计中融合惯性测量单元（IMU）测量值而引起的性能变化。实验辨识与仿真结果高度吻合，可用于解释系统行为并预测给定软硬件配置下的闭环性能极限。我们还展示了经 DNN-NP-MRFT 整定的 UAV 抵御风或人为推拉等外部扰动的能力。最后，我们讨论了所提 DNN-NP-MRFT 视觉伺服设计方法相较于文献中其他方法的优势。
引用
@article{arxiv.2107.01581,
title = {Noise Tolerant Identification and Tuning Approach Using Deep Neural Networks For Visual Servoing Applications},
author = {Oussama Abdul Hay and Mohamad Chehadeh and Abdulla Ayyad and Mohamad Wahbah and Muhammad Humais and Lakmal Seneviratne and Yahya Zweiri},
journal= {arXiv preprint arXiv:2107.01581},
year = {2022}
}