Jul, 2024
密集植被中检测和跟踪异常的自主无人机群
An Autonomous Drone Swarm for Detecting and Tracking Anomalies among
Dense Vegetation
Rakesh John Amala Arokia Nathan, Sigrid Strand, Daniel Mehrwald, Dmitriy Shutin, Oliver Bimber
TL;DR利用无人机成群的模仿自然成群行为提高传感孔径，并通过适应当地条件的孔径来增强采样，使得检测和跟踪重度遮挡目标变得可行；通过应用于综合孔径积分图像的异常检测对于密集植被如森林是强健的且不依赖预训练类别；我们的自主群体搜索环境中未知或意外的事件，并在于不断调整采样模式以优化当地视野条件的同时追踪它们；在六架无人机的现场实验中，我们实现了0.39米的平均位置精度，93.2%的平均准确度和95.9%的平均召回率；在图像集成过程中有效地包括传感噪声，消除了对高维参数空间的计算密集型优化的需求；最后，我们提供了一个完整的硬件和软件框架，支持低延迟传输（大约80毫秒往返时间）和快速处理（大约每个形成步骤600毫秒）大量（70-120 Mbit/s）的视频和遥测数据以及多达十架无人机的群体控制。