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

2 s" |9 H' J4 Y% N- b3 J5 E6 t2 ^' s. C8 w$ i3 A- K; b3 K( `

0 h: H! Y/ Z' q% O3 _! W
, i$ A8 ]3 {& u  h1 v; ?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
) c. V3 s6 k: W! v1 W8 G8 `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
  i  s1 w" b: l) A4 X. X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
& Y2 i* ]* |1 {, ~* n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: v- z) r' Y) G' X0 V3 z- A: M
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7 D3 ]2 z- z- z8 v
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 ! Z. k) I0 w, n% u1 Q6 F& @
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$ P5 N1 Q' v/ L1 J) y+ s, @0 F  T
成功率。
% F% q$ K$ k0 i, m) u( _1 t, v6 T/ B/ z( d0 M0 @$ N

) m1 `) [- a$ j9 l, u

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