用于自主飞行器的视觉航向预测
机器人学
2025-12-11 v1 人工智能
计算机视觉与模式识别
多智能体系统
系统与控制
系统与控制
摘要
无人飞行器（UAV）与无人地面车辆（UGV）的集成在搜救、环境监测和物流等智能自主系统的开发中日益占据核心地位。然而，在实时场景中实现这些平台之间的精确协调面临重大挑战，特别是当GPS或GNSS等外部定位基础设施不可用或性能降级时[1]。本文提出了一种基于视觉、数据驱动的实时UAV-UGV集成框架，重点关注用于导航和协调的鲁棒UGV检测与航向角预测。该系统采用微调的YOLOv5模型来检测UGV并提取边界框特征，随后由轻量级人工神经网络（ANN）使用这些特征来估计UAV所需的航向角。在训练期间使用VICON动作捕捉系统生成真值数据，从而在受控实验室环境中收集了包含超过13,000张标注图像的数据集。训练后的ANN实现了0.1506度的平均绝对误差和0.1957度的均方根误差，仅使用单目相机输入即可提供准确的航向角预测。实验评估在UGV检测中达到了95%的准确率。这项工作提供了一种基于视觉、不依赖基础设施的解决方案，展示了在GPS/GNSS拒止环境中部署的巨大潜力，支持在现实动态条件下可靠的多智能体协调。展示该系统实时性能（包括UGV检测、航向角预测和动态条件下的UAV对齐）的演示视频可在以下网址获取：https://github.com/Kooroshraf/UAV-UGV-Integration
引用
@article{arxiv.2512.09898,
title = {Visual Heading Prediction for Autonomous Aerial Vehicles},
author = {Reza Ahmari and Ahmad Mohammadi and Vahid Hemmati and Mohammed Mynuddin and Parham Kebria and Mahmoud Nabil Mahmoud and Xiaohong Yuan and Abdollah Homaifar},
journal= {arXiv preprint arXiv:2512.09898},
year = {2025}
}