利用深度神经网络实现环境感知的低空自主微型飞行器路径跟踪
机器人学
2017-07-25 v3
摘要
我们提出了一种微型飞行器（MAV）系统，采用廉价的现成硬件构建，用于在非结构化户外环境（如森林）中自主跟踪路径。该系统引入了一个名为TrailNet的深度神经网络（DNN），用于估计MAV相对于路径中心的视角方向和横向偏移。基于DNN的控制器通过损失函数（包含标签平滑和熵奖励）避免过度自信行为，从而实现无振荡的稳定飞行。除了TrailNet DNN，该系统还利用视觉模块实现环境感知，包括另一个用于目标检测的DNN和用于估计深度以进行低级障碍物检测的视觉里程计组件。所有视觉系统通过Jetson TX1在MAV上实时运行。我们提供了所用硬件和软件的详细信息以及实现细节。我们进行的实验表明，我们的系统能够比先前技术更鲁棒地导航森林路径，包括1公里的自主飞行。
引用
@article{arxiv.1705.02550,
title = {Toward Low-Flying Autonomous MAV Trail Navigation using Deep Neural Networks for Environmental Awareness},
author = {Nikolai Smolyanskiy and Alexey Kamenev and Jeffrey Smith and Stan Birchfield},
journal= {arXiv preprint arXiv:1705.02550},
year = {2017}
}
备注
7 pages, 9 figures, IROS2017 conference submission 1657, accompanying videos are posted on YouTube at: https://www.youtube.com/watch?v=H7Ym3DMSGms , https://www.youtube.com/watch?v=USYlt9t0lZY