Assisted Control for Semi-Autonomous Power Infrastructure Inspection using Aerial Vehicles
Queensland University of Technology(昆士兰科技大学);Australian Centre for Robotic Vision(澳大利亚机器人视觉中心)
本文介绍了一种辅助控制技术的设计和实施的小型多旋翼平台的空中检查的固定能源基础设施。传感器的放置是由预期的传感器性能和受约束的平台行为的理论分析,以加快实施的支持。光学传感器提供平台和资产之间的相对位置信息,这使得人类操作员的输入能够自主调整,以确保安全分离。辅助控制方法旨在减少操作员在近距离检查任务期间的工作量,自动管理碰撞避免和安全分离。能源基础设施包括单根垂直木杆和横担,并附有架空电线。模拟和真实的实验结果。
2018-08-01 cs.RO
A Cost-Effective Cooperative Exploration and Inspection Strategy for Heterogeneous Aerial System
School of Electrical and Electronic Engineering, Nanyang Technological University(南洋理工大学电气与电子工程学院)
针对异构无人机集群协同检测,论文提出无需精确环境先验、结合体素地图与规则路径规划的任务分配和全覆盖方法,性能优于基准并已开源。
2024-03-02 cs.RO
Robust Sliding Mode and Admittance Control of Underactuated Aerial Manipulators for Contact-Based Inspection
针对欠驱动空中机器人接触式检测的控制挑战,该文提出结合积分增强型滑模控制与导纳控制的鲁棒框架,经仿真验证其力调节精度高、耦合抑制效果好,可实现稳定可靠的接触式检测。
2026-08-12 cs.RO
Mission Planning and Execution in Heterogeneous Teams of Aerial Robots supporting Power Line Inspection Operations
University of Seville(塞维利亚大学);Czech Technical University in Prague(捷克技术大学布拉格分校)
本文提出了一种软件架构,旨在协调一个团队的异构飞行器的检查和维护操作的高压电力线的情况下。分层方法通过规划和执行需要车辆支持人类操作员的复杂任务来处理高级任务。资源受限问题允许在考虑车辆能力和电池限制的情况下在团队之间分配任务。此外,行为树(BT)负责任务执行,在发生意外事件(如车辆故障或通信中断)时触发重新规划操作。通过在Gazebo中实现的真实仿真验证了该方法的可行性和有效性。
2023-02-09 cs.RO
An Omnidirectional Aerial Manipulation Platform for Contact-Based Inspection
ETH Zürich(苏黎世联邦理工学院)
本文提出了一种全向空中操作平台的鲁棒性和响应与非结构化环境的互动,对接触式检测的目标。全驱动倾转旋翼机系统配备了一个刚性安装的末端执行器,能够施加6个自由度的力和扭矩,解耦系统的平移和旋转动力学,并在保持稳定性的同时实现与环境的精确交互。设计了一种具有选择性惯性的阻抗控制器,使机器人在某些自由度上具有良好的柔顺性,而在其他自由度上具有精确的轨迹跟踪和干扰抑制。实验证明干扰抑制,推拉互动,并与深度伺服板上的状态估计与当地的表面相互作用。该系统也被验证为基于接触的混凝土基础设施的无损检测工具。
2019-07-10 cs.RO
Visual-Inertial Teach and Repeat for Aerial Inspection
Autonomous Systems Lab, ETH Zurich(苏黎世联邦理工学院自主系统实验室);Google Inc.(谷歌公司)
工业设施通常需要对关键装置进行定期目视检查。检查这些感兴趣的点是耗时的,潜在的危险或需要特殊的设备才能到达。MAV是自动化这项昂贵而繁琐的任务的理想平台。在这项工作中,我们提出了一种新的系统,使人类操作员教一个视觉检查任务的自主飞行器通过简单地演示使用手持设备的任务。为了在受限的GPS拒绝环境中实现强大的操作,该系统采用Google Tango视觉惯性映射框架作为姿态估计的唯一来源。在第一步中,操作员记录期望的检查路径并定义检查点。然后,映射框架计算与机器人共享的基于特征的定位图。起飞后,机器人根据该地图估计其姿态,并通过操作员定义的路径点规划平滑的轨迹。此外,该系统能够跟踪定位在同一地图中的其他机器人或操作员的姿势,并在保持安全距离的同时实时跟踪它们。
2018-03-26 cs.RO
Autonomous Exploration and General Visual Inspection of Ship Ballast Water Tanks using Aerial Robots
Norwegian University of Science and Technology (NTNU)(挪威科技大学);Equinor ASA(Equinor 公司);Altera Infrastructure Production AS(Altera 基础设施生产公司)
针对船舶压载水舱狭窄受限的检测难题,提出结合体积探索与视距约束视觉检测的空中机器人方案,经仿真、多舱任务及实船现场实验验证,还可生成语义分割网格支持直观分析。
2023-11-07 cs.RO
A Multi-Layer Software Architecture for Aerial Cognitive Multi-Robot Systems in Power Line Inspection Tasks
Czech Technical University in Prague(布拉格捷克理工大学);Universidade Federal da Paraiba(帕拉伊巴联邦大学);University of Seville(塞维利亚大学)
本文提出了一种多层的软件架构,以执行协同任务的四旋翼舰队提供支持,在电力线路检查操作。拟议的软件框架保证了无人机和人类工人之间的安全要求,同时确保任务成功执行。此外,认知能力集成在多车辆系统中,以应对不可预见的事件和外部干扰。通过仿真实验验证了该方案的可行性和有效性。
2023-02-09 cs.RO
A Modular Dual-Camera Pipeline for Micro-Inspection Using Aerial Robots
Netherlands Organization for Scientific Research (NWO)(荷兰科学研究组织);Saxion University of Applied Sciences(萨克逊应用科学大学)
提出一种模块化双相机空中微检测流水线,通过变焦云台相机和广角立体导航相机协同工作,结合视觉反馈回路,实现对树木和温室粘虫板等非结构目标的鲁棒微检测。
2026-06-11 cs.RO
Cooperative Aerial Coverage Path Planning for Visual Inspection of Complex Infrastructures
Luleå University of Technology(吕勒奥理工大学)
本文研究了利用多个无人机对复杂基础设施进行检测(离线三维重建)的协同覆盖路径规划(C-CPP)问题。该方案基于基础设施的先验3D模型,能够为无人机生成多条路径,以便在短时间内实现完整的合作覆盖。最初,被检查的基础设施被水平平面切片,其具有识别结构的分支的能力,并且这些分支将被处理为UAV的路径规划的断点,以基于UAV的当前飞行时间在更短的时间内协作地执行覆盖任务,并且更现实。通过利用SLAM和运动恢复结构方法,利用单目或立体传感器,将从覆盖范围收集的多个数据集合并用于基础设施的离线稀疏和密集3D重建。所提出的C-CPP的性能已经在多个室内和现实的室外基础设施检测实验中进行了实验评估。
2016-12-05 cs.RO
AeRove: A Compact Bimodal Aerial-Terrestrial Drone with Rapid Bistable Reconfiguration for Close-Range Pipeline Inspection
New Jersey Institute of Technology(新泽西理工学院)
针对标准无人机近距离管道检测的悬停功耗高、气流敏感等问题,提出紧凑双模态空地机器人AeRove,利用螺旋桨护罩作轮并采用双稳态机构实现200毫秒快速重构,电流消耗降低14倍,实现高效管道巡检与气体检测。
2026-09-21 cs.RO
BogieCopter: A Multi-Modal Aerial-Ground Vehicle for Long-Endurance Inspection Applications
Institute for Systems and Robotics(系统与机器人研究所);Instituto Superior Técnico(高等技术学院);Universidade de Lisboa(里斯本大学)
本文提出BogieCopter,一种带可倾斜轴和被动轮的混合空地MAV,实现飞行、地面移动与爬墙,提升效率与载荷,降低质量增加,适用于长航时巡检。
2023-06-23 cs.RO
Task Coordination and Trajectory Optimization for Multi-Aerial Systems via Signal Temporal Logic: A Wind Turbine Inspection Study
Czech Technical University in Prague(布拉格捷克技术大学);University of Seville(塞维利亚大学);University of Sannio in Benevento(贝内文托萨尼奥大学);ENEA(意大利国家新技术、能源与经济可持续发展局);University of Zagreb(萨格勒布大学)
针对多旋翼无人机协同风力涡轮机检测,提出基于STL规范的任务分配与轨迹优化方法,并结合事件触发重规划和广义鲁棒性评分,经仿真与实地实验验证。
2025-01-08 cs.RO
AgiPIX: Bridging Simulation and Reality in Indoor Aerial Inspection
Tampere University(坦佩雷大学);Institute of Computer Science, Foundation for Research and Technology - Hellas (FORTH)(希腊研究与技术基金会计算机科学研究所)
本文提出AgiPIX平台,通过模拟与现实之间的零样本迁移,实现紧凑型主动传感硬件与模块化自主系统,用于工业室内关键资产检查。
2026-04-09 cs.RO
Free-Space Optical Communication-Driven NMPC Framework for Multi-Rotor Aerial Vehicles in Structured Inspection Scenarios
Ricerca sul Sistema Energetico S.p.A.(能源系统研究股份公司);Czech Technical University(捷克技术大学);Mohammed VI Polytechnic University(穆罕默德六世理工大学)
本文提出了一种基于自由空间光通信的NMPC框架,用于多旋翼无人机在结构化场景中的通信感知运动规划,支持平面和倾斜配置,并通过仿真验证其有效性。
2025-07-06 cs.RO
CoralPlan: Observation Skill Selection and Execution for Underwater Robotic Inspection
The Hong Kong University of Science and Technology (HKUST)(香港科技大学)
CoralPlan提出视觉-语言系统,从图像和任务文本选择观测技能,经模拟与硬件实验验证,实现水下机器人检测中观测完成率77.8%和联合成功率63.9%。
2026-09-28 cs.RO
Star-Convex Constrained Optimization for Visibility Planning with Application to Aerial Inspection
Zhejiang University(浙江大学);Huzhou Institute of Zhejiang University(浙江大学湖州研究院);The University of Hong Kong(香港大学)
在机器人的许多应用中,可视能力是至关重要的,如检查和监视等。如果没有对目标的可视性的保证,一些任务最终无法完成,甚至失败。在本文中,我们提出了一个可见性保证规划的星凸约束优化。可见空间本质上是星形凸多面体,通过直接在点云上寻找可见点来生成。利用SCP的性质,建立了轨迹优化的可见性约束。弹道被限制在由凸多面体和SCP组成的安全可见的飞行走廊内。我们进一步放宽可见性约束,将有约束的轨迹优化问题转化为无约束的问题,可以可靠有效地求解。为了验证所提出的规划器的能力,我们提出了在现场检查的实际应用。实验结果表明,该方法具有高效性、可扩展性和可视性等优点,具有广泛的应用前景。
2022-04-09 cs.RO
Nuclear Environments Inspection with Micro Aerial Vehicles: Algorithms and Experiments
University of Pennsylvania(宾夕法尼亚大学);New York University(纽约大学)
在这项工作中,我们解决的估计,规划,控制和映射问题,让一个小的四旋翼自主检查内部的危险损坏的核站点。这些算法在计算有限的CPU上运行。我们研究了不同光照对系统性能的影响。据我们所知,这是第一个这种尺寸和规模的全自动系统,用于检查主安全壳(PCV)的全尺寸模型的内部。拟议的解决方案为检查核反应堆和支持核退役开辟了新的途径,众所周知,核退役是一个危险、漫长和繁琐的过程。不同照明条件下的实验结果表明,导航的能力,一个完整的规模模拟PCV基座,并创建一个地图的环境,同时避免障碍物。
2019-03-14 cs.RO
A Signal Temporal Logic Approach for Task-Based Coordination of Multi-Aerial Systems: a Wind Turbine Inspection Case Study
Ricerca sul Sistema Energetico (RSE) S.p.A.(意大利能源系统研究公司(RSE股份公司));University of Seville(塞维利亚大学);Italian National Agency for New Technologies, Energy and Sustainable Economic Development (ENEA)(意大利新技术、能源与可持续经济发展局);University of Zagreb(萨格勒布大学)
针对风力涡轮机检测场景下多旋翼编队协同的任务分配与轨迹生成问题,提出基于STL规范的优化方法与事件触发重规划、广义鲁棒性评分策略,经仿真与实地实验验证有效。
2025-01-14 cs.RO
Vision-model-based Real-time Localization of Unmanned Aerial Vehicle for Autonomous Structure Inspection under GPS-denied Environment
无人机已广泛用于建筑物、桥梁和其他结构的目视检查。在室外自主或半自主飞行任务中,强GPS信号对于无人机定位自身位置至关重要。然而,强大的GPS信号并不总是可用的,它可能会在大型建筑物下方或靠近电力线的地方降级或完全丢失,这可能会导致严重的控制问题,甚至是无人机坠毁。这些局限性极大地限制了无人机作为常规检查工具在各个领域的应用。本文提出了一种基于视觉模型的实时的【形】自定位方法,以支持不需要GPS支持的自主空中检查。与其他需要额外机载传感器的定位方法相比,该方法使用单个摄像机来连续估计无人机的飞行姿态。详细讨论了该方法的各个步骤,并通过室内测试案例对其性能进行了测试。
2019-04-10 cs.CV cs.RO
Autonomous Aerial Non-Destructive Testing: Ultrasound Inspection with a Commercial Quadrotor in an Unstructured Environment
University of Twente(特文特大学);Sapienza University of Rome(罗马第一大学)
本文提出了一种基于商用四旋翼的自主非破坏性检测系统,通过实时控制架构实现接触式超声波检查,在无结构工业环境中完成自主检测任务。
2026-03-04 cs.RO
Distributed Infrastructure Inspection Path Planning subject to Time Constraints
在本文中,分布式基础设施的三维结构检测路径规划问题,使用空中机器人是受时间约束的解决。所提出的算法处理不同的空间属性的基础设施,占其不同的重要性和探索功能,并计算高检查奖励的整体检查路径,同时尊重机器人的耐力或任务时间的限制,以及车辆动力学和传感器的限制。为了实现其目标,它采用了迭代,3步优化策略,在每次迭代中,它首先随机抽样一组可能的结构访问,随后解决了派生的旅行商问题,并计算旅行成本,而最后它的样本和分配检查时间到每个结构和评估总检查奖励。对于每个独立设施的检测路径的推导,它与专用于单个结构的3D覆盖的路径规划器接口。使用仿真研究以及实验测试情况下,采用多旋翼微型飞行器的算法性能,计算性能和路径质量进行评估。
2016-12-25 cs.RO
Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection
本文提出基于指标RGB的几何-语义重建与可通行性分析框架,用于航向-地面隐蔽空间检测。通过多视角RGB重建生成密集几何,结合时间一致的语义分割生成3D语义地图,引入基于体感运动的先验知识恢复指标尺度,构建自信度-aware的几何-语义可通行性地图,评估候选部署区域的可达性。
2026-07-21 cs.CV cs.RO
Automated Real-Time Inspection in Indoor and Outdoor 3D Environments with Cooperative Aerial Robots
KIOS Research and Innovation Center of Excellence (KIOS CoE)(KIOS卓越研究与创新中心);University of Cyprus(塞浦路斯大学)
本文提出面向未知杂乱空间的异构UAV协作检测系统,通过协同建图与无碰撞覆盖路径优化,实现室内外3D结构的自动化实时检测。
2024-04-18 cs.RO cs.SY eess.SY
Post-disaster building indoor damage and survivor detection using autonomous path planning and deep learning with unmanned aerial vehicles
The Hong Kong University of Science and Technology(香港科技大学);University of British Columbia(不列颠哥伦比亚大学);Stevens Institute of Technology(史蒂文斯理工学院)
针对灾后建筑室内搜救需求,提出融合自主导航、深度学习检测与低成本MAV的自主检查方法,并在模拟灾后办公楼中验证其高精度与应用潜力。
2025-03-13 cs.CV cs.RO
A Review on Communication Protocols for Autonomous Unmanned Aerial Vehicles for Inspection Application
Aarhus University(奥胡斯大学)
通信系统是自主式无人机系统设计的关键部分。它必须解决不同的考虑因素,包括无人机的效率,可靠性和机动性。此外,多无人机系统需要一个通信系统来协助无人机团队中的信息共享、任务分配和协作。在本文中,我们回顾了支持无人机团队的通信解决方案,同时考虑在电力线检测行业的应用。我们提供了用于支持UAV应用中的通信的候选无线通信技术的综述。这些候选技术的性能测量和无人机相关的信道建模进行了审查。讨论了当前构建无人机网状网络的技术。然后,我们分析了机器人通信中间件,ROS和ROS2的结构,接口和性能。基于我们的审查,在通信系统的每一层的候选解决方案的功能和依赖关系。
2021-11-12 cs.NI cs.RO
Inspection-on-the-fly using Hybrid Physical Interaction Control for Aerial Manipulators
Purdue Polytechnic Institute, Purdue University(普渡大学普渡理工学院);School of Engineering Technology, Purdue Polytechnic Institute, Purdue University(普渡大学普渡理工学院工程技术学院);Purdue University(普渡大学)
结构特性(表面刚度和恢复系数)的检查对于在未知环境中理解和执行空中操作至关重要,对它们的状态几乎没有先验知识。动态检测是人类在操作过程中推断状态的不可思议的能力,减少了单独执行检测和操作的必要性。提出了一种基于混合物理交互控制的空中机械手实时检测方法。与所提出的方法,结构特性(表面刚度和恢复系数),可以估计在物理相互作用。提出了一种三阶段混合物理相互作用控制方法,用于鲁棒地接近、获取和传递期望的力信号到表面上。这是通过将混合力/运动控制器与作为中间阶段的基于模型的前馈冲击控制相结合来实现的。所提出的控制器确保了从无约束运动控制到约束力控制的稳定过渡,同时减少了与力控制阶段相关的滞后。底层的操作空间动态配置管理器允许复杂的冗余车辆/手臂组合。实验是在一个模拟的部门。的能量排出轴,以显示在飞行中检查方法的有效性,以确定目标表面的结构特性和混合物理交互控制器在减少与力控制阶段相关的滞后方面的性能。
2020-10-19 cs.RO cs.SY eess.SY
Power Line Inspection Tasks with Multi-Aerial Robot Systems via Signal Temporal Logic Specifications
Czech Technical University in Prague(布拉格捷克理工大学);ENEA(意大利国家新技术、能源与可持续经济发展署)
本文提出了一种基于信号时序逻辑(STL)规范的电力线检测任务的四旋翼机群的可行和受限轨迹计算框架。规划器允许制定复杂的任务,避免障碍物,并在执行计划任务时保持无人机之间的安全距离。设置一个优化问题,以生成满足这些规范的最佳策略,并考虑车辆的约束。此外,事件触发的重规划器被提出来应对不可预见的事件和外部干扰。能量最小化项也被认为是隐含地节省四旋翼电池寿命,同时执行任务。MATLAB数值仿真和实验结果表明了该方法的有效性和可行性,并证明了其在实际应用中的可行性。
2023-02-09 cs.MA cs.RO
Self-Inspection Method of Unmanned Aerial Vehicles in Power Plants Using Deep Q-Network Reinforcement Learning
University of Toronto(多伦多大学)
为了检查发电厂,可以使用强化学习技术来构建自主机器人。该方法复制的环境,并采用一个简单的强化学习(RL)算法。这一战略可适用于若干部门,包括发电部门。研究提出了一个具有感知、计划和行动的预训练模型。为了解决优化问题,例如无人机(UAV)导航问题,DeepMind于2015年推出的基于强化学习的框架Deep Q-network(DQN)结合了深度学习和Q-learning。为了克服现有流程中存在的问题,本研究提出了一种结合无人机自主导航和DQN强化学习的电厂巡检系统。这些训练过程参考状态设置奖励函数,并考虑内部和外部影响因素,这将它们与现在使用的其他强化学习训练技术区分开来。例如,该技术的强化学习部分的关键组成部分引入了风场模拟、无人机的电池充电水平、无人机达到的高度等状态。经过训练的模型使无人机能够在困难的环境中自行移动,从而更有可能将检查策略应用于实践。该模型的平均得分收敛到9000。经过训练的模型允许无人机进行到达目标点所需的最少旋转次数。
2023-03-16 cs.LG cs.RO
An Application of Stereo Thermal Vision for Preliminary Inspection of Electrical Power Lines by MAVs
Lviv Polytechnic National University(利沃夫国立理工大学);Terabee(Terabee公司);Czech Technical University in Prague(捷克布拉格技术大学)
本文提出了一种利用立体热视觉对电力线路进行初步检测的方法,该方法采用了一种特殊类型的小型无人机(UAV),即微型无人机(MAVs)。建议的硬件和软件设置允许检测过热的电力设备,这是停电的主要原因之一。立体视觉通过精细地检测潜在的损坏源来补充GPS信息,同时还提供了对损害扩展的测量。该飞行器的尺寸减小且重量轻,能够对标准无人机难以进入的区域进行勘测。凉亭仿真和真实飞行实验验证了该方案的可行性和有效性。
2023-02-09 cs.RO
Optimized Path Planning for Inspection by Unmanned Aerial Vehicles Swarm with Energy Constraints
Georgia Southern University(佐治亚南方大学);Virginia Tech(弗吉尼亚理工大学)
本文提出一种考虑无人机能量限制的高效路径规划算法,通过优化飞行、悬停和数据传输能耗,降低巡检总时间和能量消耗,为自主巡检系统设计提供指导。
2018-08-17 cs.RO cs.SY eess.SY
Data-Driven Predictive Planning and Control for Aerial 3D Inspection with Back-face Elimination
KIOS Research and Innovation Centre of Excellence (KIOS CoE)(KIOS研究与创新中心(KIOS卓越中心));Department of Electrical and Computer Engineering, University of Cyprus(电子与计算机工程系,塞浦路斯大学)
本文提出一种数据驱动的预测控制方法,通过整合感知、规划和控制,实现准确的长视距3D检测,适用于黑盒UASs。
2025-06-30 cs.RO cs.SY eess.SY
Aerial Inspection Behaviors via RL-based Quadrotor Control for Under-canopy Forest Environments
Robotics and AI group, in the Department of Computer Science, Electrical and Space Engineering at Luleå University of Technology, Sweden(鲁尔坎大学技术学院机器人与人工智能小组,计算机科学、电气与空间工程系,瑞典)
本文提出了一种基于深度强化学习的四旋翼控制器,用于在树冠下森林环境中进行自主巡检任务,通过端到端控制策略实现巡检视角姿态跟踪,并结合旅行商问题规划器和快速随机树星规划器确保长距离任务的安全可靠部署。
2026-05-19 cs.AI cs.RO math.OC
AerialClaw: An Open-Source Framework for LLM-Driven Autonomous Aerial Agents
Xidian University(西安电子科技大学);Xi'an University of Architecture and Technology(西安建筑科技大学)
提出AerialClaw开源框架,采用模块化脑-技能-运行时架构,使基于LLM的智能体能够理解自然语言任务、调用空中技能、闭环决策,提升无人机系统的灵活性、可复现性和可扩展性。
2026-06-11 cs.CV cs.RO
Robust Localization of an Arbitrary Distribution of Radioactive Sources for Aerial Inspection
Indian Institute of Technology, Bombay(印度理工学院孟买分校);Carnegie Mellon University(卡内基梅隆大学)
在过去十年中,辐射源探测有各种应用,从公共场所脏弹的探测到关键核设施的泄漏或缺陷扫描,以及核场地的自主检查。尽管在检测单个点源或少量空间上分离的点源方面取得了成功,但大多数现有算法无法在具有大量点源或非平凡分布的复杂场景中定位源。即使在更简单的环境中,大多数现有算法也不能扩展到更大的区域和/或更高维的空间。为了进行有效的自主检测,我们不仅需要估计源的位置,还需要估计每个源的数量、分布和强度。在本文中,我们提出了一种新的算法的鲁棒定位的任意分布的辐射源,采用多层序贯蒙特卡罗方法加上适当的聚类算法。我们实现了近乎完美的准确性,在F1分数方面(> 0.95),同时允许算法扩展到空间中的大区域和高维空间(5个测试)。
2018-01-08 cs.RO stat.AP
Development of a semi-autonomous framework for NDT inspection with a tilting aerial platform
CREATE Consortium(CREATE联盟);Princeton University(普林斯顿大学)
本文针对全向倾斜无人机搭载五自由度机械臂的空中机械臂系统,提出并联力-阻抗控制方法实现无损检测接触,并通过推压建立真空以测量表面厚度,验证了算法的可重复性。
2024-07-03 cs.RO cs.SY eess.SY
Developing system of wireless sensor network and unmaned aerial vehicle for agriculture inspection
Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội(河内国家大学所属技术大学);Trường Đại học Kinh tế - Kỹ thuật Công nghiệp(工业经济与技术大学)
农业生产采用高科技是越南的必然趋势。特别是对于需要大面积种植的材料作物,无线传感器网络在提高生产力、监测病虫害、减轻气候变化的影响以及减少耕种者的直接劳动力等方面发挥着重要作用。本文构建了一个农业作物田间监测的实验模型,使用LoRa无线传感器网络和无人机相结合,收集有关天气和土壤条件,植物健康的数据,帮助种植者轻松地对当前种植的作物进行灌溉,病虫害处理和施肥的解决方案做出正确的决策。该系统已开发和实验在现场评估的一些基本功能,并证明所获得的数据的稳定性和可靠性。
2021-06-20 cs.NI cs.RO
Planning and Perception for Unmanned Aerial Vehicles in Object and Environmental Monitoring
本论文针对无人机在物体与环境监测中的规划与感知问题,提出了基于深度学习形状预测的物体视觉覆盖优化、多无人机路径规划,以及面向基础设施检查和野火管理的环境监测算法,并通过实验验证了其有效性。
2024-07-17 cs.RO
Dense 3D Reconstruction for Visual Tunnel Inspection using Unmanned Aerial Vehicle
Institute for Infocomm Research (IR), A*STAR(新加坡科技研究局资讯通信研究院);Nanyang Technological University (NTU)(南洋理工大学);University of Illinois at Urbana-Champaign (UIUC)(伊利诺伊大学厄巴纳-香槟分校);Singapore University of Technology and Design (SUTD)(新加坡科技设计大学)
无人机(UAV)的进步为隧道检查等应用开辟了场所。由于其在隧道内飞行的多功能性,它可以快速识别与安全相关的缺陷和潜在问题。然而,长隧道,特别是具有重复或统一结构的隧道,对无人机导航构成了重大问题。此外,需要对来自安装在UAV上的相机的视觉数据进行后处理,以生成用于检查任务的有用信息。在这项工作中,我们设计了一个无人机与单旋转相机来完成任务。与其他平台相比,我们的解决方案在电池寿命、尺寸和重量方面都能满足隧道检测的严格要求。虽然当前的最新技术可以从一系列图像中估计相机姿态和3D几何形状,但它们假设图像之间有大的重叠、小的旋转运动和许多不同的匹配点。这些假设严重限制了它们在隧道式场景中的有效性,其中相机具有不稳定或大的旋转运动,例如安装在UAV上的相机。本文提出了一种新的解决方案,该解决方案利用运动恢复结构、束调整和可用的几何先验来鲁棒地估计相机姿态,并在各种具有挑战性的隧道式环境中使用尽可能少的图像来自动重建全密集的3D场景。我们验证了我们的系统与虚拟现实应用程序和实验与一个真正的数据集。结果表明,所提出的重建连同纹理映射允许远程导航和隧道样环境的检查,即使是那些人类无法访问的。
2019-11-09 cs.CV cs.RO
Cooperative Aerial Robot Inspection Challenge: A Benchmark for Heterogeneous Multi-UAV Planning and Lessons Learned
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所);School of Electrical and Electronic Engineering, Nanyang Technological University(南洋理工大学电气与电子工程学院);School of Artificial Intelligence, Sun Yat-sen University(中山大学人工智能学院);Zhejiang University(浙江大学);Department of Mechanical and Automation Engineering, Chinese University of Hong Kong(香港中文大学机械与自动化工程学系)
本研究提出面向异构多无人机运动规划的仿真基准CARIC,配套软件栈与多场景支持算法研发,依托两届赛事收集全球方案,分析顶尖队伍策略并指明未来研究方向。
2025-01-14 cs.RO cs.SY eess.SY
To Fuse or Not to Fuse: Measuring Consistency in Multi-Sensor Fusion for Aerial Robots
Autonomous Systems Lab, ETH Z\" u rich, Switzerland -20pt
针对空中机器人在结构附近飞行时多传感器融合的退化问题,提出基于可靠性度量的共识发现方案,动态选择融合传感器,实验证明比始终融合所有传感器更鲁棒准确。
2023-12-22 cs.RO
Aerial Layouting: Design and Control of a Compliant and Actuated End-Effector for Precise In-flight Marking on Ceilings
Autonomous Systems Lab, ETH Zurich(苏黎世联邦理工学院自主系统实验室)
该研究针对空中机器人毫米级定位精度需求,设计采用Gough-Stewart机构的柔顺驱动末端执行器,实现天花板上的精确标记,无需复杂建模或控制。
2026-08-12 cs.RO
Spiking Neural Network Actor-Critic Proximal Policy Optimization Control for Autonomous UAV Navigation Through Constrained Openings in Civil Infrastructure and Buildings
Alma Mater Europaea University(欧洲阿尔马马特大学);AGH University of Krakow(克拉科夫AGH科技大学)
本文提出基于脉冲神经网络的近端策略优化算法,用于无人机在受限环境中自主导航,通过Actor-Critic与高斯策略结合,实现63.77%成功率并后期超90%。
2026-09-22 cs.AI cs.RO
Osprey: Multi-Session Autonomous Aerial Mapping with LiDAR-based SLAM and Next Best View Planning
University of Oxford(牛津大学);Oxford Robotics Institute (ORI)(牛津机器人研究所);Department of Engineering Science(工程科学学院)
针对复杂三维结构自主测绘需求,本文提出具备多会话激光雷达测绘能力的自主航空测绘系统Osprey,可由非专业人员指定区域后多次飞行自主测绘,实地实验验证其在工业场地测绘中覆盖度优于人工与地面激光扫描方案,生成的真彩色地图可支撑结构检测。
2024-08-15 cs.RO
A Decentralized Interactive Architecture for Aerial and Ground Mobile Robots Cooperation
LITIS, University of Le Havre(勒阿弗尔大学LITIS);GREAH, University of Le Havre(勒阿弗尔大学GREAH);IUT GEII, University of Le Havre(勒阿弗尔大学IUT GEII)
本文提出了一种新的分散式交互架构的空中和地面移动机器人的合作。空中移动机器人用于在区域检查期间提供全球覆盖,而地面移动机器人用于提供地面特征的局部覆盖。我们包括一个人在回路中提供路标的地面移动机器人安全地在检查区域的进展。空中移动机器人连续跟随地面移动机器人,以便始终将其保持在其覆盖视图中。
2015-02-27 cs.RO
Radial Basis Function Neural Networks for Formation Control of Unmanned Aerial Vehicles
Vietnam National University(越南国立大学);Fulbright University Vietnam(越南富布赖特大学)
本文针对无人机编队协作执行复杂任务的问题,提出了一种结合反步法、滑模控制与RBFNN估计外部干扰的双环控制方法,并经Lyapunov定理证明稳定性和SIL测试验证了其优于现有方法的性能。
2024-04-21 cs.RO
Meteorology-Aware Multi-Goal Path Planning for Large-Scale Inspection Missions with Long-Endurance Solar-Powered Aircraft
与传统飞机相比,太阳能飞机有望显著提高飞行续航力。虽然这使它们成为大规模空中视察任务的理想人选,但由于其结构脆弱,必须使用适当的路径规划方法避免恶劣天气。因此,本文介绍了MetPASS,气象感知路径规划和分析软件的太阳能无人机。MetPASS是文献中第一个考虑影响太阳能飞行安全或性能的所有方面的路径规划框架:它避免了环境风险(雷暴,雨,风,阵风和湿度),并利用有利区域(高太阳辐射或顺风)。它还可以避免系统风险,如电池电量低,并通过杂乱的地形返回安全路径。MetPASS从全球气象模型中导入天气数据,通过能量系统模型传播飞机状态,然后将两者结合到成本函数中。结合动态规划技术和A* 搜索算法与自定义启发式被用来规划全局最优路径在站点保持,点对点或多目标的空中检查任务的覆盖保证。提供了一个完整的软件实现,包括GUI。这些规划方法使用苏黎世联邦理工学院的太阳能无人机的三个任务进行了验证:81小时连续太阳能动力保持飞行,从纽芬兰到葡萄牙的4000公里大西洋穿越,以及2017年夏季在格陵兰岛附近执行的北冰洋上空的两个多冰川空中检查任务。
2017-11-28 cs.AI cs.RO
Learning-Based Defect Recognitions for Autonomous UAV Inspections
The Chinese University of Hong Kong(香港中文大学);Minjiang University(闽江学院)
裂纹的自动检测与分割在整个无人机检测系统中起着重要的作用。在本文中,我们实现了一个基于经典网络架构(包括Alexnet、VGG和Resnet)的裂缝检测深度学习框架。此外,受特征金字塔网络架构的启发,提出了一种高效的裂缝分割分层卷积神经网络(CNN)深度学习框架,并将其性能与其他最先进的网络架构进行了比较。我们总结了现有的裂缝检测和分割数据集,并建立了互联网上最大的裂缝检测和分割基准数据集,该数据集是面向研究社区的开源数据集。我们的特征金字塔裂缝分割网络在基准数据集上进行了测试,并给出了令人满意的分割结果。还提出了无人机自动检测框架,并将针对各种混凝土结构的裂缝检测任务建立无人机自动检测框架。我们所有自行建立的数据集和代码都是开源的:https://github.com/KangchengLiu/Crack-Detection-and-Segmentation-Dataset-for-UAV-Inspection
2023-02-13 cs.CV cs.RO
An Improved Deep Convolutional Neural Network-Based Autonomous Road Inspection Scheme Using Unmanned Aerial Vehicles
Kumoh National Institute of Technology(国立金乌工科大学)
人工智能(AI)的进步为开发自主设备提供了很好的机会。这项工作的贡献是一个改进的卷积神经网络(CNN)模型及其实现的道路裂缝,坑洼,和黄色车道的道路检测。黄色车道检测与跟踪的目的是通过跟随黄色车道,实现无人机的自主导航,同时通过WIFI或5G介质检测并向服务器报告道路裂缝和坑洼。建立自己的数据集是一项繁忙而耗时的任务。使用默认和改进的模型创建、标记和训练数据集。这两种模型的性能是基准方面的准确性,平均平均精度(mAP)和检测时间。在测试阶段,据观察,改进后的模型的性能更好的精度和mAP方面。改进后的模型在无人机上实现,使用机器人操作系统,通过无人机前置摄像头视觉实时自主检测道路中的坑洼和裂缝。
2020-08-14 cs.CV cs.LG cs.RO
Ariel Explores: Vision-based underwater exploration and inspection via generalist drone-level autonomy
Norwegian University of Science and Technology (NTNU)(挪威科学技术大学)
本工作将基于视觉的水下探索与检测自主解决方案集成到水下机器人Ariel中,通过多相机视觉惯性状态估计与本体感受速度预测增强鲁棒性,并在潜艇干船坞实地验证了其无人机级自主能力及跨本体路径规划的通用性。
2025-07-14 cs.RO
Design, Modelling and Control of an Amphibious Quad-Rotor for Pipeline Inspection
Aalborg University(奥尔堡大学)
针对污水管道狭窄复杂、传统带缆管道机器人检测成本高操作难的问题,本研究设计了结合四旋翼与水面航行器的混合无人空中漂浮载具HUAFV,建立其非线性动力学模型并验证,搭载PI控制器的原型实验验证了方案有效性。
2023-10-02 cs.RO
Visual Servoing NMPC Applied to UAVs for Photovoltaic Array Inspection
University of Alicante(阿利坎特大学);Instituto de Automática (INAUT)(自动化研究所);Universidad Nacional de San Juan(圣胡安国立大学);Centro de Investigaciones de Ciencias Humanas y de la Educación (CICHE)(人文与教育科学研究中心);Universidad Tecnológica Indoamérica(印多大理工大学)
针对无人机光伏巡检中摄影测量方法的局限性,本研究提出一种基于非线性模型预测控制(NMPC)的视觉伺服系统。该方法利用RGB-D图像提取特征并通过卡尔曼滤波器估计阵列边缘,使无人机能在不同速度和高度下精准跟踪光伏阵列中线,实现低空高质量图像采集,并在仿真和真实环境中验证了其有效性。
2024-02-10 cs.RO
Visual Localization via Semantic Structures in Autonomous Photovoltaic Power Plant Inspection
Czech Institute of Informatics, Robotics, and Cybernetics, Czech Technical University in Prague(捷克信息学、机器人学和自动化研究院,捷克技术大学)
本文提出了一种通过语义结构实现光伏电站巡检自动定位的方法,结合模块检测与导航,提升实时定位精度与鲁棒性。
2026-01-29 cs.CV cs.RO
Automated UAV-based Wind Turbine Blade Inspection: Blade Stop Angle Estimation and Blade Detail Prioritized Exposure Adjustment
School of Intelligent Systems Engineering, Sun Yat-sen University(中山大学智能系统工程学院);PowerChina Zhongnan Engineering Corporation Limited(中南电力工程有限公司)
针对风力涡轮机无人机自动化检测中平台适配性不足、角度估计鲁棒性弱、细节易丢失的问题,提出适配的无人机检测平台、基于费马点的叶片停转角度估计法及细节优先曝光调整法,经多风场多机型超百架次测试验证可提升检测自主性。
2025-07-29 cs.RO