Skip to content

新闻ROS Discourse 官方社区3 天前

RoboBatonNeo单目VIO功耗0.6W在ETH FPV榜单获第三 ​

本文由 AI 根据公开内容整理,可能有误,请以原文为准:Sub-1W Monocular VIO on the ETH FPV Dataset: Reaching #3 on the Leaderboard at 100 km/h(ROS Discourse 官方社区)

核心内容 ​

RoboBatonNeo系统在ETH FPV Drone Racing数据集官方排行榜单目赛道取得第三名,相对平移误差为0.628%,仅次于榜首的0.375%。该系统专为极端受限边缘计算设计,仅依赖纯单目相机与IMU融合,未使用立体视觉或事件相机,成功在峰值速度100km/h、加速度近7G及角速度20rad/s的严苛工况下实现高精度实时状态估计。

针对高速运动导致的严重运动模糊、帧间像素大位移及光照剧变,团队重构了前端特征跟踪与后端边缘化策略以适配0.6W功耗预算。相比榜单前列普遍采用的立体视觉或高性能计算模块,该方案证明了低SWaP硬件通过算法优化可突破高动态自主飞行瓶颈,为资源受限的微型无人机与具身智能终端提供了轻量化VIO工程范式。

关键看点 ​

  • 榜单性能:ETH FPV单目赛道排名第三,相对平移误差0.628%,接近榜首0.375%水平
  • 极致功耗:纯单目+IMU系统实时运行于0.6W嵌入式板卡,无立体视觉与事件相机依赖
  • 高动态适应:支持100km/h峰值速度、7G加速度及20rad/s角速度下的鲁棒状态估计
  • 算法优化:重构前端特征跟踪与后端边缘化权衡,解决极端运动模糊与特征丢失问题

工程与产业观察 ​

该成果打破了高速VIO对高算力与多传感器的依赖,证明0.6W级边缘端通过算法深度裁剪即可应对7G高动态场景。这为微型无人机、昆虫级机器人及低功耗具身终端提供了关键状态估计参考,表明在SWaP严格受限条件下,算法架构创新比单纯堆砌硬件更具工程价值。

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

外部来源

本页事实对应的公开页面,以原文为准。(点击将离开本站)

  1. ROS Discourse 官方社区:Sub-1W Monocular VIO on the ETH FPV Dataset: Reaching #3 on the Leaderboard at 100 km/h ↗访问 2026-11-19