数学建模社区-数学中国

标题: 基于视觉的无人机板载自主实时精确着陆系统 [打印本页]
作者: 杨利霞    时间: 2020-10-29 15:23
标题: 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

8 x& a2 ?1 ?# l5 M
# T; n! S* j2 p. ?' g+ h3 m5 {: X7 I: G. b2 c3 m7 f  \; r
. I+ D8 c# N7 V) z* r
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
$ {( d: F% [5 q/ H+ J; j8 O1 L. G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# E* p; J( T! o. o- L! ]
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
: h( K  X# [4 ?: O: V' W, s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
; x6 x" i( t7 J( V: L2 R8 k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) i" q5 Z) E+ z
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
: w5 ~* F, E' s) f7 _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% M$ ^6 A. B% e+ G5 r: g" G1 C* \
成功率。
8 P% H1 D& R8 ]: A2 |* c5 m$ B( e+ O
. T+ o6 e# |* S* m

基于视觉的无人机板载自主实时精确着陆系统.pdf

872.16 KB, 下载次数: 0, 下载积分: 体力 -2 点

售价: 3 点体力  [记录]  [购买]





欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5