无人机视觉感知置信度退化保护

本项目用于无人机视觉任务运行时的感知健康监测。模块综合目标是否应存在、检测数量、平均置信度、预测熵、推理延迟、帧年龄和照度，判断模型输出是否还能用于运动控制。

与云台重捕获模块的区别：

  • 云台重捕获模块处理目标丢失后的搜索与视轴误差；
  • 本模块不跟踪目标位置，而是评估整条视觉感知结果是否可信；
  • 输出可用于暂停视觉依赖机动、扩大安全距离或切换备用策略。

1. 风险模型

当任务预期存在目标但检测数为零时，R_missing=0.55，按公式贡献 0.05×0.55=0.0275 的风险并立即进入 BLIND。帧年龄超过 1.4 秒、推理延迟超过 480 毫秒也会立即进入盲区状态。

状态：

状态 建议
NOMINAL 正常使用感知结果
DEGRADED 增大安全距离
UNRELIABLE 保持或返航
BLIND 停止依赖视觉的运动

2. ROS 2 接口

话题 类型 方向 说明
/uav_perception/confidence_sample std_msgs/String 输入 检测统计、熵、延迟、帧年龄和照度
/uav_perception/confidence_assessment std_msgs/String 输出 风险、置信度不足和实时性风险
/uav_perception/confidence_advice std_msgs/String 输出 继续、增加裕度、保持/返航或停止视觉机动

3. 构建与运行

source /opt/ros/humble/setup.bash
colcon build --symlink-install --packages-select uav_perception_confidence_guard
source install/setup.bash
ros2 launch uav_perception_confidence_guard main.launch.py duration:=20

CSV 默认写入 /tmp/uav_perception_confidence_runtime.csv。

当 duration 大于 0 时，模拟器结束会触发整个 launch 自动关闭；默认 duration:=0.0 表示持续运行，此时使用 Ctrl+C 手动停止。

4. Humble 虚拟机实测

Ubuntu 22.04.5 / ROS 2 Humble / Python 3.10.12 下真实构建成功，VM 内 10 项 unittest 全部通过。ros2 launch ... duration:=20 启动两个节点并在约 20 秒后自动退出。

实际状态迁移：

NOMINAL → DEGRADED → BLIND → DEGRADED → NOMINAL

故障段预测目标存在但检测数为零，推理延迟接近 520 ms，帧年龄超过 1.4 s；恢复后置信度回到 0.91，延迟降至 42 ms。

VM 内实际终端截图同时记录了 Ubuntu/ROS 版本、colcon build、10 项单元测试、两个节点启动、感知状态迁移、自动退出和 CSV 尾部：

ROS 2 Humble 虚拟机感知置信度实测终端

根据同一轮 CSV 生成的感知置信度曲线：

ROS 2 Humble 实际感知置信度状态

5. 限制

  1. 检测数量、置信度、熵和延迟来自确定性仿真，没有运行真实神经网络。
  2. 预测熵是输入值，没有实现 MC Dropout、深度集成或温度标定。
  3. 不同检测器的置信度尺度不同，阈值必须按模型验证集重新标定。
  4. 照度只作为简单风险因子，未处理雨雾、运动模糊、镜头污渍和曝光失效。
  5. 模块不直接暂停飞控，只输出感知健康建议。

6. 大模型使用声明

使用 OpenAI Codex 辅助完成代码、测试、文档和运行图生成；作者已逐项复核代码、参数和结果，并对提交内容、数据真实性和后续维护负责。