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

& Q- a- G/ D" f: K# y# t5 c
7 E' p2 Z( B; d* \6 G- Q' h

( {( N5 X$ g: E5 r" b3 x$ 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
. e" d, d( e! G" K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
8 x0 p4 L; K( j% n& x0 W2 s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
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
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
  L* g/ {) ~# I# S+ h2 q' t: O) @成功率。


' z- g* M; |2 o2 |4 t2 H