用于审慎性单目杂乱飞行的视觉与学习
机器人学
2014-11-25 v1 计算机视觉与模式识别
机器学习
摘要
相机为中小型无人机提供了丰富的信息来源，同时具有被动、廉价和轻便的特点。在这项工作中，我们首次实现了在密集杂乱环境中仅以单目视觉作为唯一感知模式的无人机自主飞行的后退时域控制（该方法广泛用于地面车辆）。我们通过多项贡献使其在无人机上可行：通过围绕机器人场景的相关且多样的多种解释，新颖地耦合感知与控制；利用机器学习的最新进展展示任意预算成本敏感特征选择；以及用于单目深度预测的快速非线性回归。我们通过使用现成部件构建的四旋翼飞行器在密集树林中飞行超过2公里的真实世界实验，实证证明了我们新颖流程的有效性。此外，我们的流程设计为可以结合其他模态（如立体视觉和激光雷达）的信息（如果可用）。
引用
@article{arxiv.1411.6326,
title = {Vision and Learning for Deliberative Monocular Cluttered Flight},
author = {Debadeepta Dey and Kumar Shaurya Shankar and Sam Zeng and Rupesh Mehta and M. Talha Agcayazi and Christopher Eriksen and Shreyansh Daftry and Martial Hebert and J. Andrew Bagnell},
journal= {arXiv preprint arXiv:1411.6326},
year = {2014}
}