基于 IMU 数据分类的自主四旋翼无人机墙体检测

在障碍物附近飞行的自主无人机需要能够检测并避开障碍物，否则将与之发生碰撞。在先前的工作中，无人机可利用安装在无人机上或环境中的相机、超声波或激光传感器数据来检测并避开墙体。对环境进行部署传感设备并非总是可行，而加装在无人机上的传感器会消耗有效载荷与电力——这两者对于无人机而言均受限制。本文研究了如何仅通过监测气流扰动，利用数据挖掘分类技术预测障碍物相对于无人机的位置。我们对旋翼气流进行了物理建模，以推导用于分类的高层特征。数据采自无人机在左侧、正前方、右侧紧邻墙体飞行以及无墙体存在时的 IMU。原始数据共生成了 18 个高层特征。我们采用 80%、20% 的训练-测试划分方案，使用随机森林（RF）、K-近邻（KNN）和梯度提升（GB）分类器。结果表明，使用 RF 分类器能以 90% 的准确率预测墙体相对于无人机所处的方向。