Інфокомунікаційні та комп’ютерні технології·10月5日 · 周一论文智慧农业 / 农业物联网阅读 1
ODOMETRY AND VISUAL DATA ANALYSIS INTEGRATIONFOR MONITORING MOBILE MULTICORE COMPUTER SYSTEMS IN GPS-DENIED ENVIRONMENTS
Kateryna Obukhova
论文解读
0未达精选线
速览
集成里程计与视觉数据，实现无GPS环境下无人机自主导航与基础设施监测。
方法
基于DJI Phantom 4，融合超声波/激光里程计与GoogLeNet In
发现
多核平台硬件特性影响帧处理速度与算法稳定性，并验证了2D/3D建模与层流热图用于动态路径优化的潜力。
机会点
将无GPS自主导航与视觉监测方案迁移至农田巡检，解决林冠遮挡下GPS失效问题，并优化边缘计算能效。
影响力0
信息增量0
专业深度0
信源权威0
时效性0
该论文聚焦GPS拒止环境下无人机自主导航与视觉监测技术，属通用无人机与计算机视觉领域，与三农、农业信息化、智慧农业无直接关联，不建议进入每日精选。
原文摘要
本文探讨了在不稳定或完全缺失GPS信号的条件下，确保移动多核计算机系统（尤其是无人机）自主导航与监测这一复杂问题。研究重点关注此类系统在民用任务中的应用：复杂关键基础设施巡检、风力发电机监测、钢筋混凝土桥梁检测，以及在难以到达区域开展搜救行动。本文论证了构建集成软硬件监测系统的必要性，该系统将传感里程计数据（基于超声波和激光传感器）与计算机视觉算法对视觉数据的分析相结合，以检测结构缺陷。该架构的实际实现基于DJI Phantom 4无人机，该无人机配备了3D打印模块化支架和独立持续供电模块，以确保能量自主。本文提出了一种优化方法，利用GoogLeNet InceptionV3卷积神经网络和TensorFlow Lite进行初级目标分类，以替代资源消耗大的完整图像识别。本文还单独研究了多核平台（Raspberry Pi系列）的硬件特性对帧处理速度和算法稳定性的影响，并进行了数学论证。本文展示了在Maple软件环境中为2D/3D建模构建数据集的结果，以及根据无人机移动速度对信息配准过程进行建模的结果。本文还指出了利用层流热图进行动态路径优化的前景。