Jul, 2024
是否下雨？理解对自主无人机的视觉里程计性能影响和边缘端高效基于DNN的雨水分类
Is That Rain? Understanding Effects on Visual Odometry Performance for
Autonomous UAVs and Efficient DNN-based Rain Classification at the Edge
TL;DR无人机在自主飞行过程中识别和适应环境变化的能力对于其安全可靠性至关重要。本研究描述了一个包含335k图像的数据集，用于研究七种不同降水情况下环境扰动对视觉测距系统性能的影响。通过训练适用于资源受限和延迟敏感系统的深度神经网络模型，实现对这些降水条件的高效且准确的分类。这些模型中轻量级的MobileNetV3 small模型，在1.28 MB的内存占用和93 FPS的帧率下，准确率可达90%，适用于部署在资源受限和延迟敏感的系统中。这种模型可以作为自主飞行控制器中的扰动估计组件的输入，并实现毫秒级的分类延迟。此外，能够实时准确地获取环境条件的无人机数据，有助于发展更精细化和及时的局部天气预测。