.png){kind=icon}
返回
Development of a Drone Navigation System Using Depth Estimation for Obstacle Avoidance
.png){kind=icon}
PRE
AI
DOI：.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究介绍了一种基于单目RGB图像深度估计的无人机避障系统，旨在减少对高成本传感器（如LiDAR和RGB-D相机）的依赖。所提出的系统集成了用于单目深度预测的深度学习模型ZoeDepth，并在使用ROS和Gazebo的模拟环境中实现。测试了两种自主配置：一种配备RGB-D相机，另一种利用从RGB输入推断的深度信息。评估结果表明，尽管配备RGB-D相机的方案实现了更高的精度，但基于RGB的系统仍能避开障碍物并到达目标目的地，尽管存在一些定位误差。未来工作将着重于提高系统在人口密集环境中的鲁棒性，并通过真实世界试验进行验证。© 2022 作者。由人工智能与机器人学会出版。这是一篇开放获取文章，根据CC BY-NC 4.0许可协议发布（http://creativecommons.org/licenses/by-nc/4.0/）。
Keyword:
Deep Learning
Autonomous robot
Estimation of metric Depth
期刊
J
IF:
0.2
论文数:
30
被引数:
0
机构
引用论文
暂无论文信息