基于视觉的无人机板载自主实时精确着陆系统
基于视觉的无人机板载自主实时精确着陆系统基于视觉的无人机自主精确降落研究可以被广泛应用于电力巡检、森林巡检等行业。传统视觉方案无法
应对降落过程中复杂的环境变化，无法实现在机载处理器上的实时图像处理。因此提出一种适用于无人机板载端
轻量高效的 Onboard-YOLO 算法，使用可分离卷积代替常规卷积核，有效提升速度。通过注意力机制自动学习通
道特征权重提高模型准确度。在五种干扰环境下进行降落测试，并与行业领先的实时检测算法进行对比实验。实
验结果表明：Onboard-YOLO 可以解决降落过程中的复杂环境问题，在板载端达到 18.3 帧计算速度，相比原始
YOLO 算法提升了 4.3 倍，相比 Faster-RCNN 提升了 25.7 倍，算法平均准确度达到 0.91，相比 SSD-Mobilenet 提
高 8.9%，经过实际测试验证，Onboard-YOLO 可以实现无人机板载端的实时自主精准降落，达到 95%以上的降落
成功率。
页:
[1]