無人機近些年發展迅速，可以實作檢測、巡邏、航拍等功能，但是仍然不能與目標物進行互動，無法滿足無人機作業中完成更復雜任務的需求，搭載多關節機械臂的旋翼飛行機械臂可以實作抓取等互動任務，
飛行機械臂在大多數環境下需要具有一定的獨立獲取和處理資訊的能力，一個很重要的環節就是目標物的識別和定位，因此視覺系統的構建是關鍵問題，南京航空航天大學的研究人員設計了一種基于YOLOv5深度學習目標檢測演算法和RGB-D傳感器的視覺識別和定位演算法，可以實作飛行機械臂抓取時實時檢測目標物并進行位姿估計，
由于目前團隊的飛行機械臂尚不支持完成完整的飛行抓取控制實驗，研究人員在室內可控環境下對目標物位姿估計演算法進行測驗，通過簡化實驗驗證該演算法的有效性，實驗中在攝像頭和目標物上放置多個反游標識點分別建立剛體，利用NOKOV度量動作捕捉系統進行定位，
NOKOV度量動作捕捉系統可以實時輸出二者在世界坐標系下的位姿資料，由于定位精度高達亞毫米級，資料作為實際值，與視覺系統京目標檢測、擬合點云中心以及坐標轉換的得到的測量值進行對比，通過向各方向移動攝像頭模擬飛行機械臂飛行程序中相機的運動，測驗演算法的整體性能，
參考文獻：[1]張睿,王堯堯,段雅琦,陳柏.面向飛行機械臂的實時目標檢測與定位演算法[J].南京航空航天大學學報,2022,54(01):27-33.DOI:10.16356/j.1005-2615.2022.01.003.
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/500980.html
標籤：其他