基于深度學習的輸配電線路巡檢無人機自定位技術研究

打開文本圖片集

摘 要：精確的位姿信息是保障巡檢無人機高效運行的關鍵要素，但是由于輸配電線路分布廣泛，傳統(tǒng)基于GNSS的無人機定位方式極易因受到遮擋而難以提供穩(wěn)定的位姿信息。本文利用了機巡無人機平臺搭載的單目相機和IMU，在傳統(tǒng)基于卷積神經網絡的視覺里程計模型基礎上，結合長短期記憶神經網絡和IMU信息，提出了基于視覺慣性實例分割的深度學習模型，有效提升了系統(tǒng)的魯棒性和運動解算精度，通過對提出的自定位模型進行實驗評估，展示了模型的訓練效果，并針對無人機的應用環(huán)境設計了現場實驗，最終VIPS-Mono模型下的平均定位誤差為0.058m，優(yōu)于CNN-LSTM-VO模型下的0.234m。（剩余13804字）