基于深度学习的输配电线路巡检无人机自定位技术研究

打开文本图片集

摘 要：精确的位姿信息是保障巡检无人机高效运行的关键要素，但是由于输配电线路分布广泛，传统基于GNSS的无人机定位方式极易因受到遮挡而难以提供稳定的位姿信息。本文利用了机巡无人机平台搭载的单目相机和IMU，在传统基于卷积神经网络的视觉里程计模型基础上，结合长短期记忆神经网络和IMU信息，提出了基于视觉惯性实例分割的深度学习模型，有效提升了系统的鲁棒性和运动解算精度，通过对提出的自定位模型进行实验评估，展示了模型的训练效果，并针对无人机的应用环境设计了现场实验，最终VIPS-Mono模型下的平均定位误差为0.058m，优于CNN-LSTM-VO模型下的0.234m。（剩余13804字）