摘要
用于隧道检测的微型无人机必须悬停在可能影响车辆-环境综合响应的结构边界附近。本文提出了一种基于结果的物理方法，通过标记关联的飞行测量对隧道配置进行筛选。一台搭载在笔记本电脑端的卷积神经网络检测机载视频中的快速响应（QR）码标记，静态标定恢复三维视觉轨迹。由规划航线分配的位置标签将每个悬停窗口与其目标和边界布置相关联。在简化通道中开展的实验表征了视觉到卡尔曼的测量一致性，随后在多配置隧道中沿TOP、MID和BOT路线进行评估。在由指令导出的悬停窗口内，视觉到目标的均方根误差衡量相对于指令观测点的定位情况，而视觉位置分散度衡量时间波动。运动捕捉辅助的卡尔曼位置和机载姿态分散度提供互补的度量指标。在原始距离映射和静态定向模型下，上下边界组在TOP和BOT上的目标误差均值分别增加1.783和0.652厘米，视觉分散度分别增加2.047和0.577厘米，相对于其开放侧参考。在MID上，位于相对垂直面之间的组与朝向起飞区域的位置开口相比，目标误差差为0.024厘米，分散度差为?0.323厘米。在进行记录姿态调整后，BOT在原始映射和独立的6厘米距离映射下均满足筛选规则，而TOP仅在原始映射下满足该规则。这些结果支持在所测布局中按特定航线对悬停性能进行评估，以及按访问顺序进行评估。
