本文2100字，5條視訊，閱讀時間約10分鐘
本文包含：
一·前言
二·背景
三·AI視覺無人機開發平台——貓頭鷹（Owl）
四·關於合作
【一·前言】
Owl是專為科研工作者與航空器開發者打造的小型化無人機開發平台，它搭載visdrone視覺模組，適用於無GPS環境下基於視覺的無人機定位/導航/避障演算法的驗證與開發，以及室內無人機組網編隊的研究。Owl擁有自主的雙目傳感器和開發平台，平台支持ROS介面，提供了6核CPU和5Tops TPU計算資源。同時預裝了融合了港科大的VINS_Fusion VIO演算法的自定位系統，可以滿足室內無人機定位需求。同時提供了EGO-Planner視覺避障演算法，可以提供視覺避障功能。
【二·背景】
無人機要實作自動避障飛行，需要以下這些技術支持。首先能夠透過傳感器、雲端控制、網路攝影機這樣的閉環等實作自我定位（Localization）。其次，依靠電腦視覺對環境進行檢測，分析周圍環境的特征，實作環境建圖（Mapping）和避障（Obstacle Avoidance）的規劃路徑，就像人看到障礙物知道繞道那樣。但是要在低空或者室內等環境下實作自動避障飛行，面臨的技術挑戰遠比汽車/機器人場景要大。隨著這些年來，相關演算法研究的湧現和成熟，使我們看到復雜場景下的無人機自動避障飛行接近成熟，而且科研人員也越發需要一款穩定的飛行平台來實驗各種SLAM，Swarm等演算法。
首先，四旋翼無人機準確的定位是實作避障、路徑規劃以及編隊等各種復雜任務的基礎和前提。四旋翼無人機的位姿估計和定位精度和魯棒性，也決定著其他依賴演算法的效果好壞。目前廣泛套用的定位方法有兩類：一類是基於四旋翼無人機內建傳感器，比如視覺/雷射，從而獲得精確的位置資訊；另一類是基於外部裝置提供精確的位置資訊，如全球衛星定位系統，光學動作捕捉系統。光學動作捕捉系統擁有高分辨率的網路攝影機，可以亞公釐級追蹤一個或多個無人機的位姿。近幾年，很多研究人員透過光學動作捕捉系統實作了四旋翼無人機的運動估計，並透過光學動作捕捉系統實作了多旋翼無人機的暴力操作，傾斜墻面上的停靠，以及物體抓取。光學動作捕捉系統適用在實驗室、研究室這種研究場所，在科研階段非常適用。同樣，利用全球衛星定位系統實作定位的方法也有明顯缺陷，因為在建築物密集、室內、隧道等地方GPS定位幾乎是完全失效的。依賴雷射傳感器的定位系統目前普遍用於車載和機器人領域，但是由於其價格和重量限制，很難用於室內無人機系統。綜上所述透過視覺SLAM方法提供運動控制所需的準確位置資訊有著更大的套用價值。
.css-19xugg7{position:absolute;width:100%;bottom:0;background-image:linear-gradient(to bottom,transparent,#ffffff 50px);}
< style data-emotion-css="12cv0pi">
.css-12cv0pi{box-sizing:border-box;margin:0;min-width:0;height:100px;-webkit-box-pack:center;-webkit-justify-content:center;-ms-flex-pack:center;justify-content:center;display:-webkit-box;display:-webkit-flex;display:-ms-flexbox;display:flex;position:absolute;width:100%;bottom:0;background-image:linear-gradient(to bottom,transparent,#ffffff 50px);}
