Basket-ball a frappé par trois mètres à l'extérieur UAV en vol stationnaire, vous pouvez le faire?
Qui a joué au basketball et a joué le drone de personnes prendra pour acquis une réponse, trivial. Mais en face de ce drone, vous avez tort, car il va rapidement et avec souplesse pour éviter les attaques de vol.
Récemment, des chercheurs de l'Université de Zurich (Université de Zurich) mis au point une nouvelle méthode qui permet des drones de navigation rapide dans le cas d'esquiver les obstacles actifs mobiles. Cette étude donne les UAV ont été vers des performances supérieures, telles que le vol plus rapide dans des environnements difficiles, moins de temps à des tâches plus complètes un grand pas dans.
Plan | succès Dodgeball des véhicules aériens sans pilote (Source: Davide Scaramuzza)
Les UAV ont été présents sur le marché peut prendre beaucoup de travail, mais il faut éviter les obstacles pas leur point fort - surtout quand les drones se déplaçant rapidement. Bien que de nombreux robots volants sont équipés d'une caméra peut détecter un obstacle, mais ils nécessitent généralement de 20 à 40 millisecondes à traiter et répondre à l'image. Cette fois-ci peut sembler rapide, mais quand leur drone volant à une vitesse élevée, 20 à 40 millisecondes le temps de réponse pour éviter un autre oiseau ou UAV, ou même des obstacles statiques, il est pas assez. En particulier lors de l'utilisation des UAV dans un environnement imprévisible, ou comment le drone lors d'un vol avec la région, ce serait un problème difficile.
Des chercheurs de l'Université de Zurich sera un capteur de mouvement similaire « Caméra événement » ensemble, et de concevoir de nouveaux algorithmes pour le drone du temps de réaction jusqu'à quelques millisecondes. Ce presque un ordre d'amélioration de l'ampleur, assez pour échapper à une courte distance de ses drones pour des balles de vie ou d'autres objets dans l'air. L'étude, publiée dans le dernier numéro du magazine « Science et robotique » (Science Robotics), professeur de robotique à l'Université de Zurich et la direction perçue de la direction Davide Scaramuzza.
Carte | dodgeball UAV (Source: Davide Scaramuzza)
nouvel algorithme combiné avec caméra, 3,5 ms réponse rapide
caméras traditionnelles, comme celle sur le téléphone intelligent, est au travail, il exposera simultanément par des instantanés périodiques capturer la scène, tous les pixels de l'image. Cependant, de cette manière, ne peut être fait dans l'analyse de l'ordinateur de bord permet de détecter des objets en mouvement après tous les pixels.
Davide équipe de recherche « caméra événement » est différent, il a un travail de pixels intelligents indépendamment les uns des autres. Il n'est pas détecté pixels de changement extérieur restera silencieux, mais une fois qu'ils voient le changement d'information d'intensité de pixel sera immédiatement envoyé. Par conséquent, l'ordinateur de bord pour traiter seulement une fraction des pixels dans l'image change, donc grandement accélérer le calcul, réduisant ainsi le temps de réaction.
Davide a expliqué spécifiquement DeepTech: ... « l'événement est généré dans un algorithme de domaine espace-temps de considérer que le corps de nos événements au cours des 10 dernières millisecondes nous compensons pour la caméra de mouvement pour voir et analyser les données statistiques pour tous les événements pour chaque pixel, on calcule l'estampille temporelle normalisée moyenne, qui varient entre -1 et 1, le score est très proche de l'objet mobile 1. cela nous donne les événements de seuil peuvent être séparés, respectivement zone statique et dynamique des objets ".
Carte | différentes étapes de l'algorithme de compensation auto-mouvement, afin de distinguer les événements se obstacles (Source: Davide Scaramuzza)
En outre, « le drone en cours, ses algorithmes de détection de cible ne fonctionnent pas bien et nous avons développé un nouveau type d'appareil photo avec le travail. » Davide explique, « événement Camera » est une innovation récente, et la fonction traditionnelle avec autre appareil photo. Notre appareil ne délivre pas un intervalle de temps constant de l'image standard, mais les changements dans l'intensité de sortie de chaque pixel correspondant à un flux d'événements asynchrones. Par conséquent, d'autres chercheurs ont dû inventer leurs propres algorithmes pour collecter toutes les caméras enregistrées l'événement dans une très courte période de temps, puis soustraire UAV affectent leur mouvement.
Davide Selon les rapports, l'étude a utilisé « événement de la caméra, » le monde est seulement cinq produits. « Jusqu'à il y a 10 ans à cause de ce capteur est que la recherche prototypes, nous utilisons l'équipement de l'entreprise Insightness. » Utilisée dans l'étude de la plate-forme de drones, laboratoire Davide est personnalisé avions quatre axes, la différence avec la marchandise ne sont pas disponibles dans le commerce grande, mais pour détecter et les algorithmes de navigation sont développés par son équipe.
Au cours de l'étude, Davide Scaramuzza, respectivement, et collègues ont d'abord testé la caméra et les algorithmes.
Lorsque l'appareil est placé dans une statique séparée, leurs formes et tailles de divers objets jetés à elle, tout en mesurant l'efficacité de l'algorithme pour détecter un objet. Les résultats montrent que entre 81% -97% plus ou moins et la taille de l'objet en fonction de différentes distances de projection, le taux de réussite de détection. En outre, le temps de réaction moyen du système est seulement 3,5 msec, l'objet volant peut être détecté.
Par la suite, le test le plus sévère commence: ils installent la caméra dans un véritable drone, de sorte que dans les deux vol à l'intérieur et à l'extérieur, puis jeté divers objets directement sur le drone. Après plusieurs essais, le drone peut éviter avec succès la probabilité de plus de 90% de l'objet, qui comprend 3 mètres d'une vitesse de 10 m / sec pour lancer la balle. Lorsque le drone test précoce « sait » quand la taille de l'objet, juste un « événement de la caméra » suffit, et quand la nécessité de faire face objets volants drone de tailles différentes, vous devez utiliser deux caméras pour qui fournit la vision stéréoscopique.
Nous approchions commerciale
Ainsi, cette étude pourrait mettre en application à grande échelle de celui-ci à court terme? Davide à DeepTech a déclaré: « En principe, cette technique a déjà fait prêt pour la commercialisation, nous travaillons avec quelques-unes des entreprises examinées en détail. »
En ce qui concerne les recherches futures, Davide dit DeepTech: « Notre plan est de tester le système sur une plus souple à quatre rotors et l'objectif à long terme, nous voulons finalement atteindre un jour être en mesure de faire la commande pilote de drone maintenant. la facilité générale de conduite. actuellement, toutes les applications de recherche et de sauvetage impliquant des drones, en fait, sont contrôlées par l'homme. Si nous pouvons avoir comme des drones pilotes humains comme des capacités de navigation fiables, alors vous pouvez être pour la ligne au-delà de la vue ou de la tâche ne peut pas être contrôlé à distance ".
La figure | sortie imagerie plus caméra événement de tête traditionnelle: la caméra classique à une image capturée à taux fixe, et l'appareil d'événements uniquement sous forme d'un événement en temps spatial spirale, le signal de changement de luminance de sortie continue, rouge pour des changements positifs, le changement bleu négatif (source: Davide Scaramuzza)
Davide Scaramuzza et équipe du laboratoire de perception de l'Université de Zurich où le robot a été mis l'accent sur le développement de la nouvelle technologie qui permet UAV automatique de vol rapide, afin d'effectuer des tâches plus de temps exigeants, comme à la suite des catastrophes naturelles à des environnements difficiles exploration et ainsi de suite.
« Pour les opérations de recherche et de sauvetage après un tel tremblement de terre, tsunami, le temps est critique. Donc, les gens doivent pouvoir (habituellement 10 à 20 minutes) pour terminer autant de tâches personne naviguer rapidement dans le temps de la batterie limitée machine. « Davide a expliqué DeepTech Road. « Quand notre nouvel appareil photo drone environ 10 fois une navigation plus rapide, mais a également élargi ses applications potentiellement d'autres possibles. »
« Un jour à l'avenir, les UAV sera mis à une grande variété d'applications telles que la livraison des marchandises, le transport du personnel, la photographie de l'aviation, et bien sûr il est fait mention de la recherche et de sauvetage. » Il a dit. « Mais laissez robot peut rapidement Percevoir et prendre des décisions plus rapidement, pour d'autres domaines, il peut aussi changer les règles du jeu. dans certains domaines, tels que les véhicules sans pilote, le transport, l'exploitation minière, des robots et des équipements tels que les travaux d'inspection à distance, détecter de façon fiable les obstacles dans le champ de vision est également essentiel.
les questions de sécurité sont très importantes pour tout le monde à faire. « Notre recherche vers les futurs véhicules aériens sans pilote ou voitures plus intelligent et plus sûr est un petit pas. » Il a dit que lui et ses membres de l'équipe sont très enthousiasmés par le spectacle dans cette étude pour éviter la fonction, « On n'a jamais vu commercial UAV a dû faire une telle réponse rapide à obstacle en mouvement rapide, qui est un élément clé de tous les robots volants dans l'environnement de toute sécurité de la navigation ».
Enraciné dans le milieu universitaire, les deux entrepreneurs
Carte | Davide Professeur Scaramuzza (Source: I)
Davide Scaramuzza est né en 1980 en Italie, est actuellement professeur d'informatique et de Neuroinformatique, Université de Zurich, il est ETH Zurich (ETH Zurich), professeur de l'information neurologique. Il engagé dans la recherche interdisciplinaire dans le domaine de la robotique, la vision par ordinateur et les neurosciences. Plus précisément, il étudie l'utilisation des normes et de la caméra neuromorphic, les mini-drones scénarios de recherche et de sauvetage autonome, navigation souple.
Il a reçu un doctorat en robotique et vision informatique ETH Zurich, suivi d'étude et de travail post-doctoral à l'Université (Université de Pennsylvanie) Pennsylvanie. De 2009 à 2012, il a dirigé le projet européen SFLY - Ce projet a été présenté le pilote automatique PX4, et a créé un mini-drone de navigation autonome basée sur l'impact visuel.
En raison de ses contributions à la recherche en matière de navigation visuelle, il a reçu le prix de début de carrière Society IEEE Robotics and Automation, FNS-ERC capital de démarrage, Google Research Award, carte de bibliothèque, Qualcomm et Intel et d'autres prix, le prix European Young Investigator, nerf Misha Mahowald former Engineering Award, ainsi qu'un certain nombre de documents de conférence Prix.
"Introduction au robot mobile autonome" Il est co-auteur (Introduction à mobile autonome Robots, publié par MIT Press), et dans des revues haut (TRO, PAMI, IJCV, IJRR) et conférence (RSS, ICRA, CVPR, ICCV) il a publié plus de 100 articles sur la robotique et la perception.
2015, Davide a co-fondé une société appelée "Eye of Zurich" (Zurich-Eye), est engagé dans les solutions de robots mobiles vision de navigation par inertie pour le secteur commercial, qui est devenu plus tard la société Oculus (en 2014 était acquisition Facebook, de plus de cinq ans Mark Zuckerberg a investi des milliards de dollars dans la réalité virtuelle) du Centre d'études européennes. En outre, il Dacuda Company (société suisse de vision informatique, son service Leap 3D Magic a été acquise en 2017) conseiller stratégique.
