首页/文章/ 详情

猫头鹰mini3|一款自主避障5mm障碍物的开源无人机

1月前浏览1319

引领科研新视界

猫头鹰 mini3 无人机震撼发布

      
     

引子

过去几年,猫头鹰系列无人机在教育科研领域大放异彩;

而今,猫头鹰mini再度升级,突破无人机行业新高度

无人机的本质是传感器的艺术

猫头鹰mini3——见微知著

     



猫头鹰mini3介绍


感知细小障碍物向来是无人机行业的业界难题。AI视觉无人机蜂群开发平台-猫头鹰mini3首次搭载了iTof传感器


     

可有效感知规避

5mm直径的电线、树枝等障碍物



搭载7cm基线双目视觉传感器,

基于硬件加速生成深度信息,

在拒止环境中适配SLAM算法,

实时构建地图,精准定位与导航


搭载微型双轴增稳云台和超高清摄像头传感器,分辨率提升到3840*2160,适配YOLO V8目标检测算法。

 


飞控硬件全面升级,采用高性能的处理器和高精度IMU传感器。

增加IMU温度补偿功能,提升数据精度和飞行稳定性。

 

     

新增下摄激光传感器,可提供仿地飞行

 

 
 
 
 
 
 
 
 
   

新增视觉避障模式下,

蜂群编队及动态队形变换。


     

     

     
         
         
         
         
         
         
         

群体智能,分布协同;

拥有强大团队,何必单打独斗。

           
           
           
           
           
           
           
           

空地协同,

覆盖地面和空中,适合异构体集群研究。

           


     

     

     

     

     

基础参数

高集成度,为科研而生

 

对角线轴距

200mm

整备质量

675g

续航时间

26min

负载能力

200g

国产算力

8核CPU          
6 TOPS NPU          

算力冗余

50%

最大

飞行速度

20m/s

最大

避障速度

2m/s

双目基线

7cm

双目分辨率

640*480

iTof

分辨率

640X480

320X240

iTof

防护等级

IP56

云台

双轴增稳

主摄分辨率

3840*2160


     

支持扩展载荷板,200g负载能力

用户可扩展更多应用与开发

 

可选配补光灯,拓展低光照环境下的应用场景;

可选配激光雷达传感器,扩展多传感器融合;

可选配远距离WiFi+GPS套件,扩展长距离应用;

可适配光学动作捕捉系统,提供外部参考系与定位以测量真值。

 

     

开源代码

因为科研,所以开源

 
编码                              
名称                              
开源算法                              
1              
飞控              
PX4              
2              
视觉定位              
VINS_Fusion              
3              
路径规划              
Ego-Planner              
4              
蜂群              
Swarm              
5              
检测识别              
YOLO V8              
6              
人脸检测/识别              
FaceNet              
7              
二维码识别              
QRcode_recognize              
8              
数字识别              
Digit_recognize              

       

     

     

研究方向

无人机是跨学科

高集成度空中六自由度的载体

所以猫头鹰mini3适合很多研究方向




             

1.控制

飞行控制系统优化研究

2.传感器

               


传感器融合与数据处理研究;



             

3.导航

拒止场景自主导航与路径规划研究;



             

4.机器视觉

计算机视觉与机器视觉研究;

5.通讯

               


通信与网络技术研究;



             

6.AI

无人机+AI(大模型等)应用研究;



             

7.交互

人机交互与遥控技术研究;

8.多智能体


群体智能(无人机集群/蜂群)研究。

8.1.无人机搜寻/覆盖/建图;

8.2.无人机蜂群围捕;

8.3.无人机察打一体蜂群开发;

8.4.无人机多机对抗研究(红蓝军);

8.5.异构智能体(空地协同)研究。



有奖活动

在追求卓越与创新的道路上,我们深知实践与探索的重要性。

因此,我们决定将OWL mini3 赠予那位真正能够将其应用于学习、研究或项目中,最大化其价值的在校学子

让我们携手,共同见证知识与技术的力量,为梦想插上飞翔的翅膀。


参与条件:

1.必须是在校生

2.根据本文介绍在【智能体】公 众号原文参与评论,评论精选后方具备参与资格;

                 

奖品SPORTS

一等奖1名       OWL mini3一台

二等奖1名       VISIM仿真器一套

三等奖1名       助学金1000元

鼓励奖7名       66元现金红包

活动时间:

2024年07月25日至08月25日

来源:天驰航宇
光学通信控制无人机机器视觉
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-08-07
最近编辑:1月前
天驰航宇
分享雷达技术领域专业知识,追踪...
获赞 54粉丝 27文章 410课程 0
点赞
收藏
作者推荐

自动发现并标识恶意卫星!DARPA的“阿加莎”项目-基于AI的太空目标智能标记!

DefenseNews网站今天发表了一篇署名文章称,美国防高级研究计划局(DARPA)计划开展基于AI的空间目标智能标记项目。该文称, 随着越来越多的政府和商业公司寻求激增的卫星星座来增加容量,一些国防专家担心,这些大型星座可能会为太空武器或间谍卫星提供掩护。 2023年,DARPA选择总部位于加利福尼亚州的航天技术公司Slingshot Aerospace创建一个人工智能系统,用于识别这些大型星座中的异常卫星。该公司于6月5日公布了其名为“阿加莎”(Agatha)的模型,宣布其已证明有能力在运行星座中检测异常卫星。Slingshot Aerospace在今年4月份宣布开发了一种人工智能系统,可以监测轨道上卫星的行为,并识别大型星座中的异常航天器。太空跟踪和数据分析公司Slingshot表示,名为“阿加莎”的人工智能系统是根据国防高级研究计划局(DARPA)的合同开发的。该公司负责战略和政策的副总裁Audrey Schaffer表示:““阿加莎”代表了利用人工智能进行太空态势感知的重大进步。”。去年,Slingshot Aerospace披露了其如何使用人工智能跟踪俄罗斯Luch Olymp-K-2探测卫星的异常机动。“阿加莎”是人工智能的另一种用途。它经过优化,可以在大型卫星星座中发现异常行为,并验证卫星是否按预期运行。Slingshot的数据科学和人工智能主管Dylan Kesler表示,这种工具可以“大海捞针”,执行人类分析师几乎不可能完成的任务。“阿加莎”接受了60多年模拟星座数据的训练,并成功地从模拟数据过渡到现实世界的应用,在运行的商业卫星网络中识别出了无威胁的异常航天器。Kesler说,阿加莎的发现得到了各自卫星运营商的验证。人工智能可以检测到异常情况,如出现故障的航天器或故意邪恶的“披着羊皮的狼”航天器。随着越来越多的公司和国家政府继续部署大型星座,而“能够验证卫星是否在星座规定的目的范围内运行是很重要的。 Slingshot的数据科学和人工智能主管Dylan Kesler在一份声明中表示:“在大型卫星星座中识别故障或潜在的邪恶物体及其目标是一项复杂的挑战,需要我们超越传统方法,开发一种新颖且可扩展的人工智能算法。”。“我们的“阿加莎”模型也证明了它能够提供高质量的见解,为特定对象被标记的原因提供‘可解释性’或上下文。”中国政府宣布计划在未来几年发射两个由数万颗卫星组成的超级星座,以与埃隆·马斯克的太空探索技术公司竞争,后者的星链通信卫星网络已经包括6000多艘运行中的航天器。与此同时,国防部官员证实,俄罗斯正在开发一种可以携带核武器的卫星,并于上月发射了一种反空间武器,旨在跟踪美国间谍卫星。Slingshot负责战略和政策的副总裁Audrey Schaffer表示,这些发展使Agatha这样的工具变得尤为重要。她说:“阿加莎就是一种技术的例子,这种技术旨在帮助人们在日益拥挤的环境中看清东西。”。“尤其是,阿加莎真的能帮你大海捞针。”为了训练阿加莎的算法,Slingshot从该公司创建的模拟巨型星座中提供了60多年的数据。这些星座包括异常卫星,这使阿加莎能够区分卫星类型和标志异常。该系统采用了一种称为反向强化学习的方法。这项技术使阿加莎不仅可以识别和跟踪异常的航天器机动或其他活动,还可以为这些行动分配动力。Schaffer说:““阿加莎”不仅仅是认定这颗卫星是一个异类。”。“它还可以评估为什么卫星的行为与星座中的其他卫星不同,以及它可能遵循什么政策或操作指令来解释行为的差异。”一旦训练好模型,Slingshot就开始使用现有的商业星座来测试“阿加莎”的能力。Schaffer不愿透露该系统观测到的是哪些公司的卫星,但表示它标记了一些非邪恶的异常情况,然后与航天器所有者确认了这些异常情况。DARPA领导的项目于今年早些时候结束,Schaffer表示,该公司目前正在与可能对阿加莎感兴趣的潜在政府和商业客户进行对话。她指出,该工具可能对美国太空司令部、国家太空防御中心监测太空活动有用。她说:“太空中的交通量只是在增长。”。当你不仅有10000颗活跃的卫星,而且在一个星座中有10000颗卫星时,人类甚至人类团队很快就不可能筛选所有这些数据,并确定对我们国家安全的潜在威胁。”例如,如果该系统检测到一颗卫星的任务不同,或者质量比星座中其他卫星更大,这将需要它进行额外的机动才能保持在同一轨道上,那么它就会标记出潜在的威胁。也可以通过它们的通信模式来识别异常。如果一颗流氓卫星正在窃 听,它可能会被标记,因为它正在向与所有者运营商有合作关系的国家的地面站发送数据。 人工智能不需要被提示寻找什么。“它可以检测到我们还不一定定义的东西。我们不告诉它该寻找什么,它就会发现。”来源:天驰航宇

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈