本文2100字，5条视频，阅读时间约10分钟
本文包含：
一·前言
二·背景
三·AI视觉无人机开发平台——猫头鹰（Owl）
四·关于合作
【一·前言】
Owl是专为科研工作者与航空器开发者打造的小型化无人机开发平台，它搭载visdrone视觉模块，适用于无GPS环境下基于视觉的无人机定位/导航/避障算法的验证与开发，以及室内无人机组网编队的研究。Owl拥有自主的双目传感器和开发平台，平台支持ROS接口，提供了6核CPU和5Tops TPU计算资源。同时预装了融合了港科大的VINS_Fusion VIO算法的自定位系统，可以满足室内无人机定位需求。同时提供了EGO-Planner视觉避障算法，可以提供视觉避障功能。
【二·背景】
无人机要实现自动避障飞行，需要以下这些技术支持。首先能够通过传感器、云端控制、摄像头这样的闭环等实现自我定位（Localization）。其次，依靠计算机视觉对环境进行检测，分析周围环境的特征，实现环境建图（Mapping）和避障（Obstacle Avoidance）的规划路径，就像人看到障碍物知道绕道那样。但是要在低空或者室内等环境下实现自动避障飞行，面临的技术挑战远比汽车/机器人场景要大。随着这些年来，相关算法研究的涌现和成熟，使我们看到复杂场景下的无人机自动避障飞行接近成熟，而且科研人员也越发需要一款稳定的飞行平台来实验各种SLAM，Swarm等算法。
首先，四旋翼无人机准确的定位是实现避障、路径规划以及编队等各种复杂任务的基础和前提。四旋翼无人机的位姿估计和定位精度和鲁棒性，也决定着其他依赖算法的效果好坏。目前广泛应用的定位方法有两类：一类是基于四旋翼无人机自带传感器，比如视觉/激光，从而获得精确的位置信息；另一类是基于外部设备提供精确的位置信息，如全球卫星定位系统，光学动作捕捉系统。光学动作捕捉系统拥有高分辨率的摄像头，可以亚毫米级追踪一个或多个无人机的位姿。近几年，很多研究人员通过光学动作捕捉系统实现了四旋翼无人机的运动估计，并通过光学动作捕捉系统实现了多旋翼无人机的暴力操作，倾斜墙面上的停靠，以及物体抓取。光学动作捕捉系统适用在实验室、研究室这种研究场所，在科研阶段非常适用。同样，利用全球卫星定位系统实现定位的方法也有明显缺陷，因为在建筑物密集、室内、隧道等地方GPS定位几乎是完全失效的。依赖激光传感器的定位系统目前普遍用于车载和机器人领域，但是由于其价格和重量限制，很难用于室内无人机系统。综上所述通过视觉SLAM方法提供运动控制所需的准确位置信息有着更大的应用价值。
.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);}
