当前位置:首页 > 应用案例

OptiTrack成为百度无人飞行器视觉定位系统的高精度测量工具

系统配置

摄像机:Prime 41(16台)

软件:Motive:Body

案例背景

致力于深度学习的百度IDL

百度深度学习实验院(Institute of Deep Learning, IDL)成立于2013年,2014年7月1日,为打造百度的技术领先地位,加强对未来技术的投资和积累,百度研究院正式组建成立,下设三个实验室,目前在北京,深圳和硅谷都有研发团队,专注于机器学习、机器人、人机交互、3D视觉和图像识别等研究方向。

筑梦百度无人飞行器的未来

百度的无人飞行器将会成为一个小型灵活的空中机器人平台,可以对未知场景进行探索,或在已知场景内实施特定的任务。首先,无人飞行器可以作为信息的输入端,获取的信息将会成为百度大脑一个有效的输入,可以将特定时间特定位置的信息数字化,传输至云端。其次,无人飞行器可作为百度大脑的输出端,以其高效的任务执行能力,快速到达一些重要的地点执行任务,无论通过声、光或者实物投递的方式,其都将会成为百度大脑影响真实世界的一种有效方式。并且,无人飞行器技术通过结合自动驾驶汽车及百度自行车等项目,可以极大得扩展百度人工智能技术的影响范围,更好得为用户提供实时有效的信息与便捷的服务。

   

“百度无人飞行器是由更高级的人工智能技术所控制,实现了无人遥控的小型多旋翼飞行器。通俗得讲,就是一种可以执行预先设定的空中任务的飞行机器人”,徐立人(百度,开发工程师)说道,“飞控相当于飞行器的大脑,飞控的好坏决定了飞行器的智能程度。举个例子,飞行器平稳悬停一段时间后,一般都会有抖动,优秀的飞控抖动程度会非常轻微,因此我们需要一个测量精度在毫米或者亚毫米的工具,评估我们开发的飞控系统。”

为什么选择Prime 41?

对于最终选择光学运动捕捉系统作为测量工具的原因,徐立人解释说:“室内环境没有GPS信号的情况下,我们只能关注其他系统。无人飞行器小巧、灵活、高机动性,要求测量系统能够采集高速、小体积的目标物,光学运动捕捉系统的特点都很好覆盖我们的需求,而且像宾大、联邦理工都很好地利用这种系统开发他们的飞行器。”

“我们分别测试了OptiTrack和Vicon两种品牌的系统,都达到了我们的精度要求,但Prime 41摄像头的捕捉距离(编者注:30米)很有吸引力,我们希望把实验场地扩展到12m x 12m,甚至更大,捕捉距离将会影响定位精度”,徐立人补充道,“Vicon的光学参数过于冗余,不必要地增加了成本,并且软件界面比较复杂,不适合其他行业的技术人员快速入门。在这些问题上,OptiTrack表现得很好,价格比Vicon便宜很多,这样我们能有更多的预算购买更多摄像头,方便扩展空间,增加精度。”

曾义(凌云,动捕工程师)介绍说:“百度的有两块场地需要搭建OptiTrack,其中一块场地是百度大厦里的休息区,两侧都是强烈反光的玻璃墙,杂光干扰很严重。我们调整了曝光时间,同时利用OptiTrack阵列式放电的特殊功能,单位时间内加倍LED强度,增加标记点反射强度。另外,由于Prime 41的捕捉距离能够达到30米,因此我们在休息区的二层和三层各安装一台Prime 41朝向场地中心,增加视场角重叠区域。在另一块场地里,为了确保机载的视觉系统能更清晰地识别地面的特征点,特别引入了两台高功率的摄影灯增加环境亮度。OptiTrack自研的镜头表面有一层宽带抗反射镀膜,对现场光照和反射光优先进行一次有效过滤,保证数据的纯净。”

运动捕捉在提升飞行器视觉定位精度方面的实际作用

目前市面上主流的旋翼飞行器都会自带视觉定位系统,主要用于目标物追随和自主避障。在飞行器的实验室研发阶段,由于光学运动捕捉系统的精度更高(通常0.1mm),作为可信任的参考值,用于比较飞行器机载的视觉定位系统的定位数据,获取精度差距,为算法优化提供参考。