本文介绍了自动驾驶汽车的算法和系统架构。引入的车辆由设计用于鲁棒性,可靠性和可扩展性的软件栈提供动力。为了自主地绕过先前未知的轨道,所提出的解决方案结合了来自不同机器人领域的技术的状态。具体而言,感知,估计和控制被合并到一个高性能自主车辆中。这个复杂的机器人系统由AMZ Driverless和ETHZurich开发,在我们参加的每个比赛中获得第一名:Formula StudentGermany 2017,Formula Student Italy 2018和Formula Student Germany 2018. Wediscuss这些比赛的结果和学习,并对每个模块进行实验评估我们的解决方案
translated by 谷歌翻译
本文介绍了一种全方位的空中操纵平台,用于对非结构化环境进行鲁棒性和响应性交互,以实现基于接触的检测。完全驱动的倾转旋翼天线系统配备了一个刚性安装的末端执行器,能够施加6度的自由力和扭矩,解耦系统的平移和旋转动力学,并在保持稳定性的同时实现与环境的精确互动。具有选择性表观惯性的阻抗控制器被配制成允许在一定自由度下的顺应性,同时在其它自由度中实现精确的轨迹跟踪和干扰抑制。实验证明了干扰抑制,推 - 滑相互作用以及具有深度伺服的板载状态估计以与局部相互作用。该系统也被验证为基于接触的混凝土基础设施无损检测的工具。
translated by 谷歌翻译
深度学习使语义分割的准确性取得了令人瞩目的进步。然而,估计不确定性和检测故障的能力是自动驾驶等安全关键应用的关键。差异性估计大多数是在简单任务上进行评估的,并且不清楚这些方法是否适用于更复杂的情景。我们提出了城市景观,这是城市驾驶语义分割的区域世界任务中不确定性估计的第一个公共基准。它评估像素化的不确定性估计,并涵盖分布式对象和错误分类的检测。我们将最先进的方法应用于最近的语义分割模型,并比较基于软件置信度,贝叶斯学习和嵌入密度的方法。对这些方法的彻底评估揭示了它们所谓的能力的明显差距。我们的结果表明,即使对于普通情况,故障检测还远未解决,而我们的基准测试可以测量超出最先进技术的进步。
translated by 谷歌翻译
如今,轨道车辆本地化基于基础设施侧的Balises(信标)以及车载里程,以确定铁路段是否被占用。这种粗略锁定导致铁路网络的次优使用。新的铁路标准提出使用以铁路车辆为中心的移动块来增加网络的容量。然而,这种方法需要对所有车辆进行准确而稳健的位置和速度估算。在这项工作中,我们研究了当前视觉和视觉惯性运动估计框架对铁路应用的适用性,挑战和局限性。在工业,郊区和环境中记录的多个数据集中,对RTK-GPS地面实况进行了评估。我们的研究结果表明,立体视觉惯性测量法具有很大的潜力,可以提供精确的运动估计,因为它具有补充传感器模态,并且在与其他框架相比具有挑战性的情况下表现出优越的性能。
translated by 谷歌翻译
本文介绍了过度驱动的垂直起降(VTOL)倾斜无人机(UAV)的数学建模,控制器设计和飞行测试。基于简化的空气动力学和第一原理,开发了无人机的动力学模型,该模型捕获了关键的动力学效应,包括机翼上的螺旋桨滑流和机翼的后失速特性。分析基于模型的稳态飞行包络线和相应的微调致动,并且通过优化例如功率最佳的微调来解决UAV的过度抽象。开发的控制系统由两个控制器组成:首先,基于动态反转的低级姿态控制器和用于处理冗余执行器分配的菊花链方法。其次,更高级别的巡航控制器可以跟踪所需的垂直速度。它基于系统和查找表的线性化,以确定整个飞行包络线的强烈和非线性变化。我们在广泛飞行测试中展示了所有飞行阶段(悬停,过渡,巡航)的控制系统的性能。
translated by 谷歌翻译
我们介绍了一种利用3D LiDARscans进行定向位置识别的新方法。训练卷积神经网络以从单个3D LiDAR扫描中提取紧凑描述符。这些既可用于从地图中检索附近的地方候选者,也可用于估计引导本地注册方法所需的偏航差异。我们采用三重损失函数来训练并使用硬负挖掘策略来进一步提高描述符提取器的性能。在对NCLT和KITTIdatasets的评估中,我们证明了我们的方法优于基于数据驱动和手工数据表示的相关最先进的方法,这些数据代表了长期的户外条件。
translated by 谷歌翻译
机器人平台正在成为一种及时且具有成本效益的工具,可用于探测和监控。然而,一个开放的挑战是规划任务,以便在复杂环境中进行有效的数据采集。为了解决这个问题,我们为积极的感知情景引入了一个信息丰富的规划框架,以解释机器人姿势的不确定性。鉴于其输入的不确定性,我们的策略利用高斯过程模型捕获目标环境领域。这使我们能够保持稳健的地图,用于规划连续空间中的信息丰富的轨迹。我们方法的一个关键是一个新的效用函数,它结合了本地化和场映射目标,使我们能够以原则的方式再次探索勘探。大量模拟表明,我们的方法优于现有策略,减少高达45.1%和6.3%的内部姿势不确定性和地图错误。我们在室温测绘场景中展示了概念验证。
translated by 谷歌翻译
外观的变化是室外环境中视觉定位系统失效的主要原因之一。为了应对这一挑战,我们推出了VIZARD,一种适用于城市户外环境的视觉定位系统。通过将局部定位算法与多会话图的使用相结合,可以在非常不同的外观条件下实现高度定位回忆。视觉定位约束与轮测法在状态估计框架中的融合进一步保证了平滑且准确的姿势估计。在对具有挑战性的城市户外环境中数百公里行驶的广泛实验评估中,我们分析了我们的定位系统的召回和准确性,研究了其关键参数和边界条件,并比较了不同类型的特征描述符。我们的研究结果表明,在不同的户外外观条件下,包括在夜间,VIZARD能够实现近100%的召回,定位精度低于0.5米。
translated by 谷歌翻译
诸如冲击和温度变化之类的外部影响会影响视觉惯性传感器系统的校准,因此它们无法完全依赖工厂校准。由用户收集的短数据集执行的重新校准可能会产生较差的性能,因为某些参数的可观察性高度依赖于运动。此外,在资源受限的系统(例如移动电话)上,完全批量处理过长的会话很快变得非常昂贵。在本文中,我们通过引入信息理论度量来评估轨迹分段的信息内容来处理自校准问题,从而允许从数据集中选择信息最丰富的部分用于校准目的。通过这种方法,我们能够构建紧凑的校准数据集:(a)通过选择具有有限激动的长会话的分段或(b)从多个短会话中,其中单个会话不一定足以激发所有模式。四个不同环境中的真实实验表明,所提出的方法与批量校准方法具有相当的性能,但是,在与这些持续时间无关的恒定计算复杂度上。
translated by 谷歌翻译
我们提出了一个完整的基于视觉传感的微型飞行器自主导航系统。我们专注于仅使用板载传感和处理进行映射,以及如何最好地利用此地图信息进行规划,尤其是在非常混乱的环境中使用窄视场传感器时。此外,还介绍了系统的其他必要部分和特殊注意事项的详细信息。我们在现实搜索和救援以及工业检查场景中对真实地图上的多个全球规划和路径平滑方法进行了比较。
translated by 谷歌翻译