利用低成本传感器改善导航的无人机主动感知与运动控制
系统与控制
2024-07-23 v1 系统与控制
摘要
本研究提出了一种将计算机视觉与控制理论方法相结合并利用低成本传感器的模型流程。所提出的工作使四旋翼无人机能够进行感知感知的运动控制，以检测并导航至感兴趣的目标，如风力涡轮机和电力塔。利用 RGB 作为主要感知输入来估计到感兴趣目标的距离。为满足研究需求，使用了 Microsoft AirSim 模拟器。第一步，集成了 YOLOv8 模型，提供朝向检测目标的基本位置设定点。从 YOLOv8 的推理中，推导出目标偏航角。后续算法结合了计算效率高的计算机视觉方法和 YOLOv8，主动驱动无人机测量检测目标的高度。基于此高度，反演出深度估计。除此步骤外，还开发了一个卷积神经网络，名为 ActvePerceptionNet，旨在进行主动的 YOLOv8 推理。后者在风力涡轮机上进行了验证，发现螺旋桨的旋转运动以近似周期性的方式影响目标置信度。本研究进行的仿真实验结果表明，目标高度和距离估计高效，定位有效。
引用
@article{arxiv.2407.15122,
title = {UAV Active Perception and Motion Control for Improving Navigation Using Low-Cost Sensors},
author = {Konstantinos Gounis and Nikolaos Passalis and Anastasios Tefas},
journal= {arXiv preprint arXiv:2407.15122},
year = {2024}
}
备注
10 pages