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

% q4 M2 E/ o, G  z* N

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
5 J/ z% T0 H" z4 b; S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- c5 y3 f; h# h& y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
$ s9 h; u# J( r. T0 t) }1 P* ]6 k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
& A4 J* @5 l- n3 m5 Z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
  F0 W9 S& g; @1 N成功率。