用于 72 克无人机计算高效自主竞速的视觉模型预测定位
机器人学
2020-06-23 v2
摘要
无人机竞速正在全球成为一项流行的电子运动，而击败最优秀的人类无人机竞速飞手已迅速成为人工智能与机器人学的新重大挑战。在本文中，我们提出一种自主无人机竞速策略，其在计算上比视觉惯性里程计和同步定位与建图等导航方法更高效。这一快速轻量级基于视觉的导航算法通过融合竞速门检测与模型动力学预测来估计无人机位置。理论分析与仿真结果显示，在处理快速无人机竞速中相对低频视觉更新与偶发大离群值时，相比卡尔曼滤波具有明显优势。飞行测试在一架名为“Trashcan”的微型竞速四旋翼上进行，其搭载 Jevois 智能相机后总重 72g。测试赛道为绕 4 个竞速门赛道 3 圈。门间距 4 米，且可偏离其预设位置。平均时速达 2m/s，最高速度为 2.6m/s。据我们所知，该飞行平台是世界上最小的自主竞速无人机，比现有最轻自主竞速无人机装置（420g）轻 6 倍，同时仍是世界上最快的自主竞速无人机之一。
引用
@article{arxiv.1905.10110,
title = {Visual Model-predictive Localization for Computationally Efficient Autonomous Racing of a 72-gram Drone},
author = {Shuo Li and Erik van der Horst and Philipp Duernay and Christophe De Wagter and Guido C. H. E. de Croon},
journal= {arXiv preprint arXiv:1905.10110},
year = {2020}
}