Key points are not available for this paper at this time.
危险和偏远环境，如火山区域和灾区，由于其所带来的重大风险，需要定期监测。像空中和移动机器人这样的创新解决方案提供了更安全的监测选项，但无人机受限于短暂的电池寿命，而移动机器人面临机动性挑战。为了解决这些问题，开发了协作的空中-地面机器人，利用无人机运输和回收地面机器人。部署地面机器人相对容易，但由于无人机全球定位系统（GPS）的不准确性，回收却具有挑战性。这突显了精确视觉对接技术的必要性。本研究利用YOLOv8n分割模型开发了一个地面机器人检测模型。开发过程中收集了不同环境设置下地面机器人的图像，包括岩石、海岸、沙子、草地、石灰石和土壤。本研究测试了三种模型：板检测、地面机器人检测以及结合板和地面机器人检测的模型。地面机器人检测模型表现出最强的鲁棒性，在0.5到0.96 IoU阈值下实现了99.7%的F1得分和95.4%的mAP。该模型被集成到一台小型计算机上，并在视觉伺服无人机上进行户外测试。根据取物机制的大小，调整对接阈值为65 cm。实验表明，无人机在7.82秒内实现了41.985 cm的平均对接误差。实验结果展示了在危险和偏远地区进行取回任务的无人机-地面车辆对接的有效性.
Pepito等人（星期三）研究了这个问题。