基于深度神经网络的井下无人机视觉位姿估计

学报编辑部中国矿业大学学报

题目：基于深度神经网络的井下无人机视觉位姿估计

作者：李东江¹,杨维¹,于超²,乔飞²,田雨鑫^2,3

作者单位：

1.北京交通大学电子信息工程学院,北京 100044;

2.清华大学电子工程系,北京 100084;

3.北京航天航空大学自动化科学与电气工程学院,北京 100191

摘要：

无人机将在未来少人或无人采矿中发挥重要作用,而位姿估计则是实现井下无人机自主巡检的关键.针对井下巷道照度分布不均匀和动态复杂环境的特点,提出采用慕尼黑工业大学深度图像(TUM RGB-D)数据集对深度神经网络模型进行预训练的方法,提取巷道特征路标点.为实现具有真实尺度信息的位姿估计,首先利用机载相机三维深度数据流恢复网络特征点深度,然后建立帧间匹配巷道路标点最小二乘模型,最后采用奇异值分解的方法获得无人机位姿.开发了手持移动传感器数据采集系统,完成传感器相对位置标定,采集真实巷道环境数据并进行实验.实验结果表明,相比ORB-SLAM2位姿估计结果,提出的无人机位姿估计方法针对巷道复杂环境数据其定位精度可提高71%以上,定位误差约为13 cm.

关键词：无人机位姿估计;井下巷道;动态环境;特征点;深度神经网络

本文引用格式：李东江,杨维,于超,等.基于深度神经网络的井下无人机视觉位姿估计[J].中国矿业大学学报,2020,49(4):798-806.

长按识别二维码关注中国矿业大学学报官方公众号

继续滑动看下一个

中国矿业大学学报

向上滑动看下一个