旋翼受损还能正常飞行?在无人机上并置摄像头,这种图像算法还能保证指令“无损”

简介: 旋翼受损还能正常飞行?在无人机上并置摄像头,这种图像算法还能保证指令“无损”

还记得上个月文摘菌给大家介绍的无人机博彩吗?

由于线下业务受到打击,美国体育博彩公司DraftKings就把目光投向了无人机竞速。

既然是比赛,刮伤擦伤肯定是不可避免了。但是对于无人机来说,要是在比赛过程中旋翼受损,那就基本上等于中途宣布退赛了,要是有什么方法让无人机能够在旋翼受损的情况下保持正常飞行就好了。

还真别说,最近,瑞士苏黎世大学和荷兰代尔夫特工业大学就瞄准了这么一个缺口,让你下注的无人机能够在旋翼受损时仍然能够坚持完成比赛。

我们还是来看看效果,可以看到,这个无人机有一个旋翼停止运作,机身开始不平衡:

但是,奇迹发生了,尽管如此,这个无人机也并没有坠毁,而是继续沿着既定路线前进。虽然看上去有点曲折,也有点…头晕,但实在是勇气可嘉。

怎么样,是不是觉得不可思议?

根据介绍,在这种情况下,研究团队主要利用到的是机载摄像头提供的信息,进而通过利用其他还能工作的旋翼使机身高速旋转(偏航旋转超过20rad/s),保证正常飞行。

目前,该项目已经在GitHub上开源了,有兴趣的大家可以去主页围观一下:
https://github.com/uzh-rpg/fault_tolerant_control

如何利用两个摄像头,让“摇摇欲坠”的无人机正常工作

近两年,无人机的发展势头可谓凶猛,尤其是在疫情期间,从体温监测到博彩娱乐,可以说是无所不能了。

现在市面上较多的还是多旋翼无人机,这种无人机的旋翼一般来说从4个到8个不等,每个旋翼上都配备了一个电机,保证在飞行时机身能够维持平衡。

如果其中一个旋翼受损无法工作,无人机坠毁也确实相当危险了。

2015年,根据南京地铁消息,由于航拍无人机坠毁,驾驶员下车捡拾残骸,引起地铁一号线延误两分钟,无人机的主人还因影响运营安全被警方带回处理。

不过现在这个担忧被研究人员们解决了,而他们的解决方法,是利用到旋翼上配置的摄像头信息。这个研究成果也以论文的形式发表在了IEEE上。

论文链接:
http://rpg.ifi.uzh.ch/docs/RAL21_Sun.pdf

为了实现这样的构想,研究人员在无人机上安装了两种摄像机,一个是标准摄像机(standard camera),分辨率为376×240,另一种是事件摄像机(event camera),分辨率为346×240。其中值得注意的是,标准摄像机的最大增益是用来最小化所需的曝光时间,这对减少标准帧中的运动模糊至关重要。

之所以要安装两个摄像机,其实是为了让无人机在暗处也能正常工作。如果只使用标准摄像机,会出现运动模糊,在光线较暗时系统无法工作,但如果与事件摄像机结合,即使在黑暗的地方,系统也能正常发挥作用。

这两种摄像机的工作机制也并不相同。标准摄像机以每秒数次的恒定速度记录外界图像,事件相机仅在检测到光线变化时才开始工作。这就使得无人机在一个旋翼受损的情况下,能够以高速旋转保证飞行的正常进行,以及乖乖听遥控器的话。

在室外的环境中,这种方法也得到了验证。

在测试中,这个四旋翼无人机的一个旋翼停止了工作,但是根据它仍然能够向前飞行4米后返回原点,和指定轨迹一模一样。这也说明了该算法的合理性和可操作性。

图为飞行四旋翼的快照,以及状态估计器的飞行轨迹俯视图。在这次飞行任务中,环境照度为2000勒克斯。

使用飞行数据评估互补滤波器性能

实验中研究人员所使用的四旋翼无人机是利用碳纤维框架以及3D打印部件制成的。

它由4台2306-2400KV电机和5英寸螺旋桨驱动,状态估计和控制算法在Nvidia Jetson TX2上运行,包含一个四核2.0 Hz CPU和一个双核2.5 Hz CPU。

控制算法中的电机推力指令通过Radix FC飞控板发送到电机,飞控板运行一个自建的固件,也以200 Hz的频率将IMU测量值发送到TX2。

同时,研究者使用了TeraRanger One,一个LED时空距离传感器,来测量与地面的距离。

在评估方面,研究人员主要使用飞行数据来评估所提出的互补滤波器的性能,与没有考虑旋转运动的滤波器进行对比。

根据上图显示,当四旋翼在5秒左右开始旋转时,标准互补滤波器的滚转误差变得很大。相比之下,经过旋转校正的互补滤波器可以很好地估计俯仰角和滚转角,尽管旋转速率超过20rad/s。

上图的底图也解释了滚动估计的巨大误差。作为标准互补滤波器假设加速度计测量负重力矢量,红线和蓝线应该是重合的。然而,当出现相当大的向心加速度时,这种假设就失效了,这将导致加速度计测量的显著偏置。

相信,随着无人机的逐渐普及,这个算法的应用性也将逐渐扩展。不过对于这样的特殊情况,这也不会是唯一解,如果你还有什么好办法,欢迎在留言区讨论~

相关文章
|
28天前
|
机器学习/深度学习 传感器 人工智能
智慧无人机AI算法方案
智慧无人机AI算法方案通过集成先进的AI技术和多传感器融合,实现了无人机的自主飞行、智能避障、高效数据处理及多机协同作业,显著提升了无人机在复杂环境下的作业能力和安全性。该方案广泛应用于航拍测绘、巡检监测、应急救援和物流配送等领域,能够有效降低人工成本,提高任务执行效率和数据处理速度。
智慧无人机AI算法方案
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
【MM2024】阿里云 PAI 团队图像编辑算法论文入选 MM2024
阿里云人工智能平台 PAI 团队发表的图像编辑算法论文在 MM2024 上正式亮相发表。ACM MM(ACM国际多媒体会议)是国际多媒体领域的顶级会议,旨在为研究人员、工程师和行业专家提供一个交流平台,以展示在多媒体领域的最新研究成果、技术进展和应用案例。其主题涵盖了图像处理、视频分析、音频处理、社交媒体和多媒体系统等广泛领域。此次入选标志着阿里云人工智能平台 PAI 在图像编辑算法方面的研究获得了学术界的充分认可。
【MM2024】阿里云 PAI 团队图像编辑算法论文入选 MM2024
|
25天前
|
JSON 算法 数据挖掘
基于图论算法有向图PageRank与无向图Louvain算法构建指令的方式方法 用于支撑qwen agent中的统计相关组件
利用图序列进行数据解读,主要包括节点序列分析、边序列分析以及结合节点和边序列的综合分析。节点序列分析涉及节点度分析(如入度、出度、度中心性)、节点属性分析(如品牌、价格等属性的分布与聚类)、节点标签分析(如不同标签的分布及标签间的关联)。边序列分析则关注边的权重分析(如关联强度)、边的类型分析(如管理、协作等关系)及路径分析(如最短路径计算)。结合节点和边序列的分析,如子图挖掘和图的动态分析,可以帮助深入理解图的结构和功能。例如,通过子图挖掘可以发现具有特定结构的子图,而图的动态分析则能揭示图随时间的变化趋势。这些分析方法结合使用,能够从多个角度全面解读图谱数据,为决策提供有力支持。
|
2月前
|
机器学习/深度学习 人工智能 算法
【MM2024】面向 StableDiffusion 的多目标图像编辑算法 VICTORIA
阿里云人工智能平台 PAI 团队与华南理工大学合作在国际多媒体顶级会议 ACM MM2024 上发表 VICTORIA 算法,这是一种面向 StableDiffusion 的多目标图像编辑算法。VICTORIA 通过文本依存关系来修正图像编辑过程中的交叉注意力图,从而确保关系对象的一致性,支持用户通过修改描述性提示一次性编辑多个目标。
|
2月前
|
算法 数据安全/隐私保护
织物图像的配准和拼接算法的MATLAB仿真,对比SIFT,SURF以及KAZE
本项目展示了织物瑕疵检测中的图像拼接技术,使用SIFT、SURF和KAZE三种算法。通过MATLAB2022a实现图像匹配、配准和拼接,最终检测并分类织物瑕疵。SIFT算法在不同尺度和旋转下保持不变性;SURF算法提高速度并保持鲁棒性;KAZE算法使用非线性扩散滤波器构建尺度空间,提供更先进的特征描述。展示视频无水印,代码含注释及操作步骤。
|
3月前
|
算法 数据可视化 数据安全/隐私保护
基于LK光流提取算法的图像序列晃动程度计算matlab仿真
该算法基于Lucas-Kanade光流方法,用于计算图像序列的晃动程度。通过计算相邻帧间的光流场并定义晃动程度指标(如RMS),可量化图像晃动。此版本适用于Matlab 2022a,提供详细中文注释与操作视频。完整代码无水印。
|
5月前
|
机器学习/深度学习 编解码 监控
算法金 | 深度学习图像增强方法总结
**图像增强技术概括** 图像增强聚焦于提升视觉效果和细节,广泛应用于医学、遥感等领域。空间域增强包括直方图均衡化(增强对比度)、对比度拉伸、灰度变换、平滑滤波(均值、中值)和锐化滤波(拉普拉斯、高通)。频率域增强利用傅里叶变换、小波变换,通过高频和低频滤波增强图像特征。现代方法涉及超分辨率重建、深度学习去噪(如CNN、Autoencoder)、图像修复(如GAN)和GANs驱动的多种图像处理任务。
177 14
算法金 | 深度学习图像增强方法总结
|
5月前
|
机器学习/深度学习 数据采集 算法
Python实现ISSA融合反向学习与Levy飞行策略的改进麻雀优化算法优化支持向量机回归模型(SVR算法)项目实战
Python实现ISSA融合反向学习与Levy飞行策略的改进麻雀优化算法优化支持向量机回归模型(SVR算法)项目实战
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
|
5月前
|
算法
基于粒子群优化的图像融合算法matlab仿真
这是一个基于粒子群优化(PSO)的图像融合算法,旨在将彩色模糊图像与清晰灰度图像融合成彩色清晰图像。在MATLAB2022a中测试,算法通过PSO求解最优融合权值参数,经过多次迭代更新粒子速度和位置,以优化融合效果。核心代码展示了PSO的迭代过程及融合策略。最终,使用加权平均法融合图像,其中权重由PSO计算得出。该算法体现了PSO在图像融合领域的高效性和融合质量。
下一篇
DataWorks