基于LGMD的无人机避障方法研究

为提高无人机避障的灵活性和可靠性,提出了一种基于LGMD(Lobula Giant Movement Detector)的无人机避障方法,通过将视场分割为上、下、左、右4个方位,形成4个方位竞争的LGMD(C-LGMD),并利用Matlab软件进行算法实现和视频仿真分析,最后将算法移植到无人机硬件系统,开展悬停测试和实时飞行实验研究。由视频仿真分析和悬停测试结果表明,该算法能有效分辨来自不同方位的障碍物,具有较好的避障性能和鲁棒性;在实时飞行测试中,无人机在室内环境中可实现三维空间有效避障,验证了该算法的可靠性。研究结果为进一步探索无人机高效、可靠避障提供参考依据。

基于LGMD网络的低成本视觉系统设计与实现

为了进一步降低视觉系统在微机器人上应用的成本,提出了一种基于STM32F103的微型机器人嵌入式仿生视觉系统。视觉系统的灵感取自蝗虫的小叶巨型运动探测器(LGMD)视觉网络,研究表明,该网络对快速接近的物体有准确的响应,能够有效引导微机器人在动态环境下自主避碰。通过降低LGMD网络的灰度等级,减小输入图像大小,使其能够应用在计算资源有限的嵌入式微系统上。通过离线测试验证:该系统的可靠性和鲁棒性,可应用于群机器人的自主避碰。