Fault-tolerant control is crucial for safety-critical systems, such as quadrotors. State-of-art flight controllers can stabilize and control a quadrotor even when subjected to the complete loss of a rotor. However, these methods rely on external sensors, such as GPS or motion capture systems, for state estimation. To the best of our knowledge, this has not yet been achieved with only onboard sensors. In this letter, we propose the first algorithm that combines fault-tolerant control and onboard vision-based state estimation to achieve position control of a quadrotor subjected to complete failure of one rotor. Experimental validations show that our approach is able to accurately control the position of a quadrotor during a motor failure scenario, without the aid of any external sensors. The primary challenge to vision-based state estimation stems from the inevitable high-speed yaw rotation (over 20 rd/s) of the damaged quadrotor, causing motion blur to cameras, which is detrimental to visual inertial odometry (VIO). We compare two types of visual inputs to the vision-based state estimation algorithm: standard frames and events. Experimental results show the advantage of using an event camera especially in low light environments due to its inherent high dynamic range and high temporal resolution. We believe that our approach will render autonomous quadrotors safer in both GPS denied or degraded environments. We release both our controller and VIO algorithm open source.

中文翻译：

---

尽管机载视觉传感器出现转子故障，但自主四旋翼飞行：帧与事件

容错控制对于四旋翼等安全关键系统至关重要。即使在转子完全丧失的情况下，最先进的飞行控制器也可以稳定和控制四旋翼。然而，这些方法依赖于外部传感器，例如 GPS 或运动捕捉系统，用于状态估计。据我们所知，仅通过机载传感器还无法实现这一点。在这封信中，我们提出了第一个将容错控制和机载基于视觉的状态估计相结合的算法，以实现一个转子完全失效的四旋翼飞行器的位置控制。实验验证表明，我们的方法能够在电机故障情况下准确控制四旋翼飞行器的位置，而无需任何外部传感器的帮助。基于视觉的状态估计的主要挑战源于损坏的四旋翼飞行器不可避免的高速偏航旋转（超过 20 rd/s），导致相机运动模糊，这对视觉惯性里程计 (VIO) 不利。我们将两种类型的视觉输入与基于视觉的状态估计算法进行比较：标准帧和事件。实验结果表明，由于其固有的高动态范围和高时间分辨率，使用事件相机的优势尤其是在低光环境中。我们相信我们的方法将使自主四旋翼飞行器在 GPS 拒绝或退化的环境中更安全。我们发布了我们的控制器和 VIO 算法开源。这对视觉惯性里程计 (VIO) 不利。我们将两种类型的视觉输入与基于视觉的状态估计算法进行比较：标准帧和事件。实验结果表明，由于其固有的高动态范围和高时间分辨率，使用事件相机尤其是在弱光环境中的优势。我们相信我们的方法将使自主四旋翼飞行器在 GPS 拒绝或退化的环境中更安全。我们发布了我们的控制器和 VIO 算法开源。这对视觉惯性里程计 (VIO) 不利。我们将两种类型的视觉输入与基于视觉的状态估计算法进行比较：标准帧和事件。实验结果表明，由于其固有的高动态范围和高时间分辨率，使用事件相机的优势尤其是在低光环境中。我们相信我们的方法将使自主四旋翼飞行器在 GPS 拒绝或退化的环境中更安全。我们发布了我们的控制器和 VIO 算法开源。我们相信我们的方法将使自主四旋翼飞行器在 GPS 拒绝或退化的环境中更安全。我们发布了我们的控制器和 VIO 算法开源。我们相信我们的方法将使自主四旋翼飞行器在 GPS 拒绝或退化的环境中更安全。我们发布了我们的控制器和 VIO 算法开源。