Odometria Multifrequência para Veículos Aéreos Autônomos
Resumo
A navegação de veículos aéreos autônomos exige estimativas confiáveis de variáveis de estado como posição e orientação dos mesmos. Existem diversos métodos de controle para este fim, mas a inabilidade em estimar com precisão o próprio posicionamento inviabiliza a navegação autônoma, principalmente em ambientes fechados. Este trabalho propôs um framework para odometria visual-inercial baseado em redes neurais capaz de trabalhar com sensores em múltiplas frequências de entrada, aliando a precisão dos métodos de localização visual com as altas taxas de atualizações de métodos inerciais. O framework é modular e apresenta desvio ATE em torno de 0.30m, RPE de 2.5% e 2.0 graus/s, além de taxa de atualização de cerca de 200Hz.
Palavras-chave:
Odometria, Multifrequencia, Veículos Aéreos Autônomos
Referências
Burri, M., Nikolic, J., Gohl, P., Schneider, T., Rehder, J., Omari, S., Achtelik, M., and Siegwart, R. (2016). The EuRoC micro aerial vehicle datasets. The International Journal of Robotics Research, 35.
BusinessWire. Global Commercial Drones Market Opportunity Analysis and Industry Forecasts, 2021-2022 & 2030 ResearchAndMarkets.com | Business Wire.
Clark, R., Wang, S., Wen, H., Markham, A., and Trigoni, N. (2017). VINet: Visual-Inertial Odometry as a Sequence-to-Sequence Learning Problem. arXiv:1701.08376 [cs]. arXiv: 1701.08376.
Huynh, D. Q. (2009). Metrics for 3d rotations: Comparison and analysis. Journal of Mathematical Imaging and Vision 2009 35:2, 35:155-164.
Kaufmann, E., Loquercio, A., Ranftl, R., Müller, M., Koltun, V., and Scaramuzza, D. (2020). Deep Drone Acrobatics. arXiv:2006.05768 [cs]. arXiv: 2006.05768.
Liu, W., Caruso, D., Ilg, E., Dong, J., Mourikis, A. I., Daniilidis, K., Kumar, V., and Engel, J. (2020). TLIO: Tight Learned Inertial Odometry. IEEE Robotics and Automation Letters, 5(4):5653-5660.
Mur-Artal, R., Montiel, J. M., and Tardos, J. D. (2015). ORB-SLAM: A Versatile and Accurate Monocular SLAM System. IEEE Transactions on Robotics, 31(5):1147-1163.
Saputra, M. R. U., de Gusmao, P. P. B., Lu, C. X., Almalioglu, Y., Rosa, S., Chen, C., Wahlström, J., Wang, W., Markham, A., and Trigoni, N. (2020). DeepTIO: A Deep Thermal-Inertial Odometry with Visual Hallucination. arXiv:1909.07231 [cs]. arXiv: 1909.07231.
Schubert, D., Goll, T., Demmel, N., Usenko, V., Stückler, J., and Cremers, D. (2018). The TUM VI Benchmark for Evaluating Visual-Inertial Odometry. 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pages 1680-1687. arXiv: 1804.06120.
Usenko, V., Demmel, N., Schubert, D., Stückler, J., and Cremers, D. (2019). Visual-Inertial Mapping with Non-Linear Factor Recovery. IEEE Robotics and Automation Letters, 5(2):422-429.
Wyeth, G., Buskey, G., and Roberts, J. (2019). Flight control using an artificial neural network. In in Proc. Australian Conf. Robotics and Automation, pages 65-70.
BusinessWire. Global Commercial Drones Market Opportunity Analysis and Industry Forecasts, 2021-2022 & 2030 ResearchAndMarkets.com | Business Wire.
Clark, R., Wang, S., Wen, H., Markham, A., and Trigoni, N. (2017). VINet: Visual-Inertial Odometry as a Sequence-to-Sequence Learning Problem. arXiv:1701.08376 [cs]. arXiv: 1701.08376.
Huynh, D. Q. (2009). Metrics for 3d rotations: Comparison and analysis. Journal of Mathematical Imaging and Vision 2009 35:2, 35:155-164.
Kaufmann, E., Loquercio, A., Ranftl, R., Müller, M., Koltun, V., and Scaramuzza, D. (2020). Deep Drone Acrobatics. arXiv:2006.05768 [cs]. arXiv: 2006.05768.
Liu, W., Caruso, D., Ilg, E., Dong, J., Mourikis, A. I., Daniilidis, K., Kumar, V., and Engel, J. (2020). TLIO: Tight Learned Inertial Odometry. IEEE Robotics and Automation Letters, 5(4):5653-5660.
Mur-Artal, R., Montiel, J. M., and Tardos, J. D. (2015). ORB-SLAM: A Versatile and Accurate Monocular SLAM System. IEEE Transactions on Robotics, 31(5):1147-1163.
Saputra, M. R. U., de Gusmao, P. P. B., Lu, C. X., Almalioglu, Y., Rosa, S., Chen, C., Wahlström, J., Wang, W., Markham, A., and Trigoni, N. (2020). DeepTIO: A Deep Thermal-Inertial Odometry with Visual Hallucination. arXiv:1909.07231 [cs]. arXiv: 1909.07231.
Schubert, D., Goll, T., Demmel, N., Usenko, V., Stückler, J., and Cremers, D. (2018). The TUM VI Benchmark for Evaluating Visual-Inertial Odometry. 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pages 1680-1687. arXiv: 1804.06120.
Usenko, V., Demmel, N., Schubert, D., Stückler, J., and Cremers, D. (2019). Visual-Inertial Mapping with Non-Linear Factor Recovery. IEEE Robotics and Automation Letters, 5(2):422-429.
Wyeth, G., Buskey, G., and Roberts, J. (2019). Flight control using an artificial neural network. In in Proc. Australian Conf. Robotics and Automation, pages 65-70.
Publicado
18/10/2022
Como Citar
FERREIRA, Patrick de C. T. R.; COLOMBINI, Esther L..
Odometria Multifrequência para Veículos Aéreos Autônomos. In: CONCURSO DE TESES E DISSERTAÇÕES EM ROBÓTICA - CTDR (MESTRADO) - SIMPÓSIO BRASILEIRO DE ROBÓTICA E SIMPÓSIO LATINO-AMERICANO DE ROBÓTICA (SBR/LARS), 14. , 2022, São Bernardo do Campo/SP.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 61-72.
DOI: https://doi.org/10.5753/wtdr_ctdr.2022.226938.
