HKUST沈劭劼的微型无人机避障系统
摘要
机载避障关键点在于低耗的传感器以及实时避障算法，该系统使用25Hz的鱼眼摄像头和一个低频的第二摄像头，外加IMU传感器fusion进行100Hz的飞行器控制
介绍
这里有一个有趣的软件PTAM（Parallel Tracking and Mapping），是一个基于SLAM的增强现实应用，可以去进行参考了解。论文的主要贡献点在于提供了完整的系统架构，从硬件到软件到算法，完成了机载设备的自动导航
方法
1.相机标定以及特征提取跟踪
2.坐标系的正确转换
3.基于单目的Local Mapping
4.基于低帧率的立体匹配
5.误差校正和修复
6.UKF-Based的传感器融合（这一点可以需要的时候进行仔细的研究学习）
实验部分
硬件：公司购买的飞行器，使用ARM7的机载处理器，具有双核1.86GHz和2GB RAM，120GB SSD。传感器为752*480的鱼眼摄像头，以及3.5mm f1.4 1Hz的第二摄像头，MicroStrain 3DM-GX3-25 IMU,用802.11g networking，总重1.983kg.
软件：C++ using ROS, OpenCV,最大特征数1000，以及一些相关参数的调整，最后算法占用了50%的CPU，以及使用该算法与装有Vicon motion tracking system进行比较。
测试：1.算法的姿态与GT比较 2.机载定点盘旋 3.复杂环境里的自动导航
思路：作者主要使用ROS和OpenCV里面的工具进行系统的架构，可以去进行相关研究。
