相关实验视频
Updated: Jun 8, 2026
06:54
Photorealistic Learned Landscapes for Augmented Reality
Published on: June 27, 2025
641
使用远距离感知关键点热图进行飞行中的无人机自动恢复的增强实时6d姿势估计
Mingyu Jeong1, Andrew Jaeyong Choi2
1School of Computing, Gachon University, Seongnam, 1342, South Korea.
Scientific reports
|December 10, 2025
概括
本研究引入了使用无人地面车辆的自动无人机空中飞行器 (UAV) 恢复系统. 它实现实时6-DOF姿势估计,以实现更安全的无人机检索,即使在具有挑战性的地形上.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 无人驾驶飞行器 (UAV) 需要可靠的恢复系统,以应对失去控制或无法使用跑道的情况.
- 精确的实时定位对于安全的无人机检索至关重要,特别是在非结构化的环境中.
研究的目的:
- 提出一个自动在飞行中的无人机恢复系统,利用无人地面车辆.
- 开发使用单眼RGB图像的实时六度自由度 (6-DOF) 对飞行中的无人机构成估计方法.
主要方法:
- 采用基于深度学习的热图关键点检测用于无人机立场估计.
- 介绍了自适应性Sigma技术,以根据摄像机-无人机距离动态调整关键点热图参数.
- 将预测的关键点与实时6-DOF姿势计算的Perspective-n-Point算法集成.
主要成果:
- 适应性Sigma技术提高了正确关键点的百分比高达2.5%.
- 在各种最先进的骨干架构中实现强大的性能.
- 在不同的高度,倾斜和运动模糊等具有挑战性的条件下表现出质量上的成功.
结论:
- 拟议的方法为实时无人机姿势估计和恢复提供了可靠的解决方案.
- 适应性Sigma技术提高了关键点定位的准确性和适应性.
- 为复杂,非结构化的环境提供可靠的无人机恢复系统.
