Feb, 2024

GNSS-Denied 场景下角度稳健性无人机导航

PDF
TL;DR通过采用新颖的角度稳健导航范式和模型，结合自适应特征增强模块、跨领域注意力引导模块和鲁棒任务导向头模块，实现高精度导航的方向角预测，并经过实验证明所提出的模型在理想和干扰环境下的到达成功率分别提高了 26.0% 和 45.6%，从而解决了基于视觉的导航方法的局限性。
vision-based navigationunmanned aerial vehicles (uavs)angle robustness navigationadaptive feature enhance modulesimulation flight testing instrument (sfti)
发现论文，激发创造
  • 基于视觉的无人机在拒绝环境下的定位系统

    该研究通过视觉方法探究无人机在全球导航卫星系统拒绝服务环境下如何准确定位自身，为此构建了基于转换器的基线并提出了新的连续型评估指标 SDM，以解决现实应用场景中空间距离和尺度变换所带来的问题。同时，利用孪生网络和度量学习构建，设计邻居搜索后处理策略解决大距离定位偏差问题。

    Jan, 2022

  • 运用边缘检测和神经网络来改善无人机定位

    该论文提出了一种新的方法，用于在缺乏全球导航卫星系统（GNSS）的环境中对无人机进行地理定位。通过预处理图像以提取边缘信息，可以显著提高 UAV 地理定位方法的性能，并增强对方向和高度不准确性的鲁棒性。此外，引入了一种用于本地化的置信度标准，并通过合成实验验证了相关发现。

    Apr, 2024

  • 极端海洋环境下的无人水面船视觉自主导航

    该研究论文介绍了一种应对极端海洋条件中目标物跟踪的自主视觉导航框架，该框架利用生成对抗网络（GAN）和 YOLOv5 目标检测器对视觉特征进行处理，并在沙尘暴和雾等极端能见度受限条件下进行了充分测试，结果表明该方案在多个指标上优于现有方法。

    Aug, 2023

  • 无人机视觉与语言导航：AerialVLN

    提出了一项名为 AerialVLN 的新任务，基于无人机（UAV）的、面向室外环境的导航，在提出的 3D 模拟器中使用高度逼真的城市景观照片进行连续导航并进行环境扩展和配置，基于跨模态对齐（CMA）导航方法的扩展基线模型，发现基线模型与人类表现之间仍存在显著差距，表明 AerialVLN 是一项具有挑战性的新任务。

    Aug, 2023

  • 基于开源和开放硬件的深度学习视觉导航引擎 —— 用于自主纳米无人机

    通过使用超低功耗的 GAP8 芯片与卷积神经网络，我们实现了一种使用图像视觉引导的自主导航算法，在小型纳米无人机上实现了全自主室内导航，提高了其对高速飞行中的障碍物的响应速度，同时公开了代码、数据集和模型参数，以促进无人机研究的发展

    May, 2019

  • 在复杂自然环境中学习单目无人机反应控制

    本文研究了如何使用单一相机感知环境，利用模仿学习技术训练控制器以适应无人机飞行方向，实现低空自主飞行并避开障碍物。

    Nov, 2012

  • 感知与能量感知的无人机基于学习模型的运动规划在异方差不确定下

    全球导航卫星系统（GNSS）受限环境要求无人机（UAV）以节能可靠的方式飞行。为此，本研究提出了适用于无人机在 GNSS 受限环境中的感知与能量感知的运动规划。该规划器通过优化成本函数来解决轨迹规划问题，其中包括无人机总能耗和激光雷达（LiDAR）传感器的感知质量两个指标。仿真实验在逼真环境中证实了该规划器在异方差不确定性下能够平衡节能和感知质量的权衡。

    Sep, 2023

  • 联合优化的全局局部无人机视觉定位

    我们提出了一种新颖的全局 - 本地视觉定位（GLVL）网络，通过结合大规模检索模块和细粒度匹配模块实现了无局限累积误差的实时精确定位，证实了我们方法在稀疏纹理特征的村庄场景下只有 2.39 米的 0.48 秒的定位误差。

    Oct, 2023

  • 通过计算几何优化无人机传感器在关键区域的容错性和质量保证定位部署

    对于无人机在关键领域的威胁，通过计算三角传感器的部署，优化覆盖范围、成本效益和容错性，可实现对无人机的有效定位和监测。

    Dec, 2023

  • 基于传感器融合的 GNSS 欺骗攻击检测框架在自动驾驶车辆上的实验验证

    验证传感器融合型 GNSS 欺骗攻击检测框架在自动驾驶车辆中的性能，并使用两种策略进行检测：通过传感器融合和机器学习来判断位置变化，以及使用机器学习模型检测和分类转弯。通过实验证明该框架能够有效地检测各种复杂的 GNSS 欺骗攻击。

    Jan, 2024