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

# k- u1 n! H+ U  f+ E
5 M& A& \: k0 w
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
! _* x& [$ V8 N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
1 q6 N  Q( g% I8 G9 D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
6 M, y( R7 u) ]8 {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。
9 _5 k3 s7 A4 V, ?: m) M2 e8 Q+ f
; V: S/ T, A7 m+ q: I+ w( K
1 f' U: V) u& x: D