Apr, 2024

运用边缘检测和神经网络来改善无人机定位

PDF
TL;DR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。
geolocalizingunmanned aerial vehiclesmethodedgeslocalization
发现论文，激发创造
  • 无人地面车辆定位的高效神经映射

    通过训练神经网络来实现全球本地化并应用于实际机器人场景，在二维平面中限制问题并大幅增加训练数据，可以得到紧凑的模型，实现了数厘米的定位精度，并在无人地面车上应用进行路径导航任务。

    Nov, 2022

  • 面向导向对比学习的无人机视角地理定位

    通过建议的方向引导训练框架，本文在无人机成像中通过层级定位，预测方向标签以支持训练，实现了高精度的地理定位，同时还可以增强卫星图像对空间的推广。

    Aug, 2023

  • 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

  • GNSS-Denied 场景下角度稳健性无人机导航

    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。

    Feb, 2024

  • 基于学习嵌入的卫星图像定位

    本文提出了一种基于视觉的方法，利用公开的卫星图像作为对环境的唯一先验知识，对地面车辆进行定位，并通过神经多视点模型消除图像之间的视角和外观差异。实验证明，该方法能够在训练集之外的环境中定位地面图像。

    Apr, 2017

  • 无人机精确载荷投递：一种基于目标检测算法的方法

    近年来，无人机在自主载荷运输方面取得了巨大的进步，本文描述了一种微型无人机的开发，提出了一种导航方法，通过深度学习的计算机视觉方法来识别和准确对齐载荷传送位置处的目标，使得平均水平精度较传统的基于 GPS 的方法提高了 500%。

    Oct, 2023

  • 嵌入式无人机实时空中检测与推理

    提出一种统一的流水线架构，用于 UAV 上的嵌入式系统的实时检测系统，可在自主勘测和活动报告等 UAV 应用中利用领域特定知识进行空中行人检测和活动识别。

    May, 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

  • 一种面向空中场景解释和地理定位的多阶段多任务神经网络

    本文提出了一种新的多任务、多阶段神经网络，能够在单次前向传递中同时处理语义分割和基于视觉的航拍图像地理定位两个问题，并在卫星图像中实现商用 GPS 级别的本地化精度以及在 Inria Aerial Image Labeling 数据集和 Massachusetts Buildings 数据集上达到领先水平的分割效果。

    Apr, 2018

  • 基于无人机互联网的深度学习目标跟踪边缘计算卸载优化

    利用卷积神经网络的视觉跟踪能力配合移动边缘计算，提出了一种新的层次分布式计算框架，将有限的计算资源和能量预算分配到无人机和移动边缘服务器上，以达到更高的推断精度和更低的计算成本。

    Aug, 2020