単眼による超小型無人航空機の検知と衝突回避の実現

1 Star2 Stars3 Stars4 Stars5 Stars (まだ評価されていません)
Loading...

1.はじめに

白い壁などのほとんどの均質な領域にオプティカルフローを計算するのに十分な特徴点がないため、現実の環境でオプティカルフローを適用することは困難です。

私たちのアルゴリズムと実験:
相対的なサイズ検出器は、障害物の前での衝突を感知し回避する。
2.特徴記述子は、特徴点のサイズの相対的変化を検出し、リアルタイム衝突回避を達成する。
3.ガイダンスアルゴリズムを使用して、森林でMAVを飛行させます。実験では、20の障害物が経路全体に配置されます。


2、関連する仕事

サイズ、重量、エネルギーの制約から、このカメラは、コンピューティングパワーの向上と計算量の削減のために、UAVに搭載可能な最小のセンサーです。
バイオビジョンシステム:
1.運動視差;(オプティカルフロー、SFM)
2.単眼手がかり。
ステレオビジョン。
オプティカルフロー法の限界は、フレームとフレームとの間のオプティカルフローが、壁のトラッキングとセンターフライトには有効ですが、衝突回避にはほとんど影響しないフロントアングルに比例することです。
単眼法は、障害物までの距離を直接測定することはできないが、オプティカルフローが障害物までの時間と一定の関係を有するため、衝突を回避するために使用することができる。
本論文では、前方障害物を相対的な大きさで検出する単眼手がかり法の1つを提案する。 UAVの前方の物体が大きくなると、障害物がUAVに近いことを示します。 障害の変化は、隣接する障害物の時間に比例する。

文献[23-2012]では、オプティカルフローを使用してフォレストの障害を回避していますので、見てください。


3、方法

相対サイズ検出器の機能パラメータは時間であり、障害物のサイズを返す。 障害物からの距離が3mから2mに変化すると、画像サイズは元の1.5倍になります。 画像フレームレートは既知であるので、障害物の時間を得ることができる。
SIFTは、[14]の実時間性能が低く、実際のロボットには適用されていない。
SUFT機能ポイント(openCVはすでにこの機能をカプセル化しています):1)SIFT計算よりも速く、2)障害サイズの変更がまだ十分に一致していても、相対的なサイズ変更を計算できます。
本論文では、連続画像中の特徴点を照合し、特徴点が位置する領域の大きさの変化を比較することにより、カメラが障害物に近いかどうかを識別する。
現在の特徴点拡大率は、元の特徴点サイズの変化とモジュールの一致からなる。

3.1 スケール拡張アルゴリズム:

連続するイメージフレームのSURFフィーチャポイントの相対的な変化を照合、フィルタリング、および計算するために使用されます。
出力:障害物の位置。
这里写图片描述

1. SURFの特徴点を計算する。
2.連続画像マッチングSURF特徴点。
3. 2つのマッチングポイント間の距離が0.25未満の場合、一致しないポイントを削除します。
4.特徴点が小さくなるか変化しない点を削除する。
5.モジュールマッチング範囲を決定する(モジュールマッチングアルゴリズム出力:障害物の特徴点を表すことができる)

这里写图片描述

上記のTemplate1のKPサブスクリプトは、in in スキップイメージによって実際に生成されるため、 スキップする必要があります。
5.1 Template1は、 スキップフレームの画像のj番目の特徴点のサイズの大きさである。
5.2各ループで、ブロック画像Template1をTemplate2と同じに展開します。
5.3 Template2は、Template1と同じ方法で選択されます。
5.4 Template1とTemplate2がマッチし、それらの各ピクセルの差を計算し、同じサイズのイメージを出力します(これはテキストです)。ここで、TM scaleは、このスケールでのモジュールマッチングの結果を表します。画像xyは倍率倍で拡大され、次にスケール2であるので、画像は特徴点によって形成されるベクトル(オプティカルフローに類似)と一致する。
5.5ループ内の動きが最小のベクトルを保存します(小さいほど、2つの画像の一致度が高くなります。つまり、変化が小さい場合、Template1はTemplate2になります)。
5.7最小スケールが1.2より大きい場合(障害物に近いほど障害物が大きくなることを示し、1.2より小さい場合は正面が白い壁などの均質な領域であると考え、動きベクトル(オプティカルフロー)は[0.8 *標準]では、j個の特徴点が障害物としてマークされます。

障害物である残りの点の平均を計算する。

3.2 衝突回避戦略

視野に障害物が見つかった場合は、無人機が横に飛びます。
見出しの角度を制御して目的地に到達します。

反応時間、加速限界、飛行速度、障害物の知覚距離、視野、トランクの大きさ、2つの樹木間の最小速度などのパラメータが、飛行経路の合理性を保証するように設定される。


4、実験

構成:
正面カメラは92度、320×240ピクセル、周波数は10Hzで、アルゴリズムは8ビットRGB情報を使用してグレースケール画像を保存します。アルゴリズムは地上コンピュータに実装されています。
AR.Droneの高さはソナー高さセンサー、IMU(ジャイロスコープ、加速度センサー)、下向きのカメラによって制御されます。
実験:
シミュレーション実験
8名のスタンプ、AR.Drone飛行テスト、23回、20回成功
この記事では[26-2012]のシーンデザインを参照しています。
結論:
このアルゴリズムは、低画素の単眼カメラである一般的なPCを使用し、複雑な環境でSUFTの特徴点を抽出し、スケーラーアルゴリズムを組み合わせて障害物の位置を特定し、障害物の事前知識を必要とせず、スリムな障害。 しかし、障害物のテクスチャはSURF特徴点であることが要求される。

5、アイデア

交差障害物シーン参照。


1 Star2 Stars3 Stars4 Stars5 Stars (まだ評価されていません)
Loading...
      この投稿は審査処理中  | 元のサイトへ