无人机整机
无人机配件
无人机服务
设备与工具全文1484字，预计阅读时间4分钟
原创 | 张啸宇
编辑 | 吕嘉玲
1背景随着无人机技术的逐渐成熟，我们希望赋予无人机更加丰富的作业能力。空中作业机器人便是一种新型的机器人，将无人机与作业机构结合起来，使其兼具无人机的快速空间移动能力和机械臂的精确操纵能力。为了提高机器人的自主作业能力，视觉等传感器往往必不可少。在空中操作机器人中，视觉传感器通常安装在机械臂末端或无人机本体上。视觉传感器安装在机械臂末端时，由于无人机的抖动，作业目标很容易在图像画面中消失；安装在无人机本体上时，作业目标又很容易被机械臂遮挡（如图1所示）。这些问题限制了空中操作机器人进行高精度的作业活动。本文将介绍一种新颖的目标定位方法解决上述问题，相关工作发表于期刊IEEE Robotics and Automation Letters 并将在会议IEEE International Conference on Robotics and Automation (ICRA) 2022上报告[1]。
论文链接：
https://shiyuzhao.westlake.edu.cn/style/2022RAL_XiaoyuZhang.pdf
介绍视频：
https://www.bilibili.com/video/BV11T4y1m7tN?spm_id_from=333.999.0.0
图 1 作业目标被机械臂遮挡2方法该目标定位方法的核心思想是观测到目标时，保存目标与周围特征点的空间距离；没有观测到目标时，利用匹配的特征点与目标点的空间距离计算目标点的位置。因为距离是与坐标系无关的，因此在进行目标定位的过程中不需要同时估计相机的自身位姿，使定位精度更高。基于距离的目标定位类似于GPS等定位系统的四点定位的原理，也就是在空间中，已知不在同一平面上的四个点，以及它们到目标点的距离，即可计算出唯一的目标点位置。该定位方法的系统流程图如图2所示。
图2 系统流程图
这里我们使用了RGB-D相机，但也可以拓展到双目相机。在每帧图像中我们提取了ORB特征点，因此根据相机模型，可以得到特征点在相机坐标系中的空间位置：
当观测到目标时，以及计算特征点到目标点的空间距离，并保存该距离：
当观测不到目标时，通过特征点匹配可以找到之前保存的特征点及其到目标点的距离，每个匹配的特征点可以提供一个约束。我们将这一约束定义为一个误差项：
因此，求解如下优化方程便可得到最终的目标点位置：
整个定位系统仿照经典的视觉SLAM系统进行搭建，分为建图和定位两部分。建图中，我们仅保存并更新特征点到目标点的距离，并不保存点的三维坐标，该地图被称为target-centered range-only map。定位中，实现的是求解目标点在当前相机坐标系中的相对位置，核心是构建上述的优化方程。
3实验
ICL-NUIM 数据集
我们首先在ICL-NUIM数据集中验证了我们的算法。如图3所示，在第一帧图像中指定目标，并在后续图像中持续定位目标，随着相机移动，目标会移出画面，但我们的算法依然能够进行定位。
图3 实验图像示意图这一过程中特征点到目标的距离如下所示：
video1因为使用SLAM算法可以构建全局地图，而目标位置可从地图中获得，因此我们将两种算法进行了比较，统计如图4所示，其中Em表示观测到目标时的目标定位误差，Eu表示没有观测到目标时的目标定位误差。可以看出，我们的方法取得了更高的定位精度，因为在SLAM中目标定位精度同时受到相机自身定位精度的影响。比较Em和Eu可以看出，即使不能直接观测到目标，仍能实现其较高的定位精度。
图4ICL-NUIM数据集误差统计
真实场景实验
此外，我们在不同的真实场景中，在真实无人机上进行了定位实验，如图5所示。
图 5 真实场景实验
在实验过程视频如下:
video2
在真实场景中实验的定位误差及与SLAM算法的比较如图6所示，我们的方法同样取得了更高的定位精度。
图6真实实验误差统计
运行速度
我们的算法运行效率较高，在配有i7-7700HQ 2.80GHz CPU的笔记本电脑上，每帧处理耗时约42毫秒，即每秒钟可处理约24帧，能够满足无人机的任务需求。
3总结与展望
在该工作中，我们提出了一种新型的目标定位方法，能够应对空中操作机器人中难免的目标遮挡等问题。该方法在数据集与真实环境中都取得了较好的实验结果。未来我们将进一步拓展该算法，并将其与实际的空中作业任务相结合，赋予空中机器人更强大的自主作业能力。
参考资料：[1] X. Zhang, Y. Zhang, P. Liu, and S. Zhao, “Robust Localization of Occluded Targets in Aerial Manipulation Via Range-Only Mapping,” IEEE Robotic and Automation Letters, vol. 7, no. 2, pp. 2921–2928, 2022.本文由西湖大学智能无人系统实验室张啸宇原创，申请文章授权请联系后台相关运营人员。
欢迎来到西湖大学智能无人系统实验室！我们的实验室专注于小型无人机（UAV）的基本理论和新应用。技术研究领域包括（i）单无人机的制导，导航和控制，（ii）多无人机的集群系统，以及（iii）基于视觉和其他类型的传感器的智能传感系统。目前，我们有十多个小组成员，包括博士后，博士生，研究助理和访问学生。他们都毕业于中国和海外的顶尖大学。我们拥有一流的实验设备，如Vicon，动作捕捉系统和各种实验无人机平台。
欢迎来到西湖大学智能无人系统实验室！ 小型旋翼无人机在民用和军事领域有广泛的应用，涉及到众多的科学研究问题。 西湖大学“智能无人系统实验室” 关注于微小型无人机的基础理论与应用研究，面向国家和社会重大需求，专注于从事高影响力的研究工作。 实验室目前关注的研究领域包括单无人机系统的导航制导与控制、多无人机系统的协同控制与估计、以及基于视觉和多种传感器的智能感知系统。 实验室具有一流的科研设施、完善的工作条件、活跃的科研氛围。 目前实验室已有十几名优秀团队成员，分别来自国内外著名高校。 此外，实验室具有高精度VICON室内定位系统、一系列空中和地面机器人平台、GPU计算服务器、3D打印机等设施，为开展相关研究和实验奠定了良好基础。
2023-11-21 10:27
2023-11-20 16:04
2023-11-20 15:59
2023-11-20 15:57
2023-11-20 15:51
2023-11-20 15:49
2023-11-20 15:43
2023-11-20 14:18
2023-11-20 14:16
2023-11-20 14:08
