基于RGB与热成像数据降低无人机户外监视中目标检测的不确定性
机器人学
2023-08-22 v1
摘要
近年来，无人机（UAV）的快速发展使其在精准农业、生物安全、灾害监测与监视等广泛的民用领域中得到快速应用。无人机提供了具有灵活硬件配置的低成本平台，以及日益增多的自主能力，包括起飞、降落、目标跟踪与避障。然而，鲜有研究关注无人机如何应对由基于视觉的检测器的误读、数据噪声、振动和遮挡所引起的目标检测不确定性。在大多数情况下，这些检测结果的相关性与理解被交由人类操作员处理，因为许多无人机的自主与环境交互认知能力有限。本文提出了一种面向小型无人机在户外不确定场景下自主导航的框架，采用基于概率的运动规划器。该框架使用一架自重低于2 kg的四旋翼无人机进行了真实飞行测试，并以森林/灌木丛中的受害者搜寻救援（SAR）案例研究加以说明。导航问题使用部分可观测马尔可夫决策过程（POMDP）建模，并在小型无人机上利用增强信念树（ABT）与TAPIR工具包实时求解。使用彩色与热成像图像的试验结果表明，相较于基线运动规划器，所提出的运动规划器能够提供准确的受害者定位坐标，因为无人机具有灵活与环境交互并获取潜在受害者更清晰可视化的能力。引入该系统可通过减少基于视觉的目标检测器的误报读数来优化无人机监视任务。
引用
@article{arxiv.2308.10671,
title = {Reducing Object Detection Uncertainty from RGB and Thermal Data for UAV Outdoor Surveillance},
author = {Juan Sandino and Peter A. Caccetta and Conrad Sanderson and Frederic Maire and Felipe Gonzalez},
journal= {arXiv preprint arXiv:2308.10671},
year = {2023}
}