请选择 进入手机版 | 继续访问电脑版

681

阿木币

1

精华

1051 小时

在线时间

管理员

Rank: 9Rank: 9Rank: 9

发表于 2022-9-21 17:24:04 38 浏览 0 回复

[入门教程] 人机如何实现空对地框选撞击?

随着Prometheus开发者使用P600开源无人机平台在中科院SCI期刊分区2区完成了题为《基于机载深度推理的智能放牧无人机》的论文发表,首次展示了P系列无人机的行业应用案例。近期阿木实验室再次使用我们的开源无人机——P450,完成了一场空对地目标识别精准打击实验。

本次实验主要难点是目标识别控制这两部分。识别部分通过KCF算法和吊舱来实现;控制部分根据吊舱倾转角度给到飞控信息,飞控根据信息对无人机姿态及方向进行调整,进而实现精准打击动作。

实验场景设置在户外的空旷场地,使用P450开源无人机来执行空对地撞击任务。我们把无人机的飞行高度设置为15m,与目标距离30m,无人机在空中框选靶标后自动锁定目标进行撞击,当无人机成功撞上靶标后,则挑战成功。


下面跟随阿木一起来看看具体的实验过程吧~




此次实验用到的设备主要有:

P450开源无人机:基于开源飞控PX4及机器人操作系统ROS打造,内置了开源自主无人机软件平台Prometheus,提供丰富的算法demo例程,涵盖控制、规划、SLAM、目标检测、深度学习、集群控制等多个无人机及人工智能相关研究方向

G1吊舱:机身小巧、高度104g、高度约8cm,可实现目标的识别、搜索、追踪、打击。

Allspark机载电脑:接口丰富、功能强大、预装Prometheus软件系统,支持二次开发。

Minihomer图数传:小体积、远距离、功耗低、穿墙能力强,支持组网(1对8)和中继。

笔记本电脑:地面站监测无人机状态以及交互功能。



KCF视觉算法

本次实验中目标跟踪算法我们使用的是KCF视觉算法,KCF是一个非常轻量级的算法,资源占用较低,且跟踪速率可以达到30FPS。作为单目标跟踪的经典之作,在准确率和实时性上也有非常不错的表现,特别对算力要求不高。同时,KCF是一种鉴别式追踪方法,这类方法一般都是在追踪过程中训练一个目标检测器,使用目标检测器去检测下一帧预测位置是否是目标,然后再使用新检测结果去更新训练集,进而更新目标检测器。

在训练目标检测器时一般会选取目标区域为正样本,目标的周围区域为负样本,越靠近目标的区域为正样本的可能性也就越大。


主要亮点

1. 可以通过循环矩阵生成正负样本来训练脊回归分类器;

2. 利用循环矩阵可DFT对角化的性质,将循环矩阵的求逆运算转化为向量的点乘;

3. 针对线性不可分的情况,引入核技巧映射到高维,线性可分。



整体来看,本次实验过程还是达到了我们的预期,P450无人机成功识别到目标并进行了精准打击。

从实验过程中,我们可以看到P450无人机搭载G1吊舱Minihomer图数传模块以及Allspark机载电脑这一整套设备,基本上可以作为绝大部分无人机科研内容的一个基础平台,能够实现丰富的功能。从实验结果来看,P450无人机还是非常“ 皮实 ”的,经过撞击后,无人机主体均没有损坏,唯一损坏的也只有桨叶。也正是P450的这种“ 皮实 ”,大大降低了实验过程中炸机造成的损失

对于本期内容若大家有疑问,可在文末评论区给我们留言~也鼓励大家积极讨论,与阿木一起探讨更多的实验挑战!


本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

扫一扫浏览分享
回复

使用道具 举报

返回列表
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表