基于视觉的无人机板载自主实时精确着陆系统

杨利霞

基于视觉的无人机板载自主实时精确着陆系统

7 V" O: c! A: e' v: l

% {+ |! A: H: n! @; k
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
6 u% i: r; I. v# R0 k, H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
7 G* e/ z2 U. t( |, E( U2 m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
; z1 G: [6 f( m; F2 L- x+ C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
+ Z( c0 l& \4 y& }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% ~: 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
. U' U& I3 h, b+ `2 R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
! P* D1 Z& Q; O1 |成功率。

  T0 B" ^; f7 ]& p# v" G