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

# Y1 _; Z4 ]0 k( L* o3 ^1 _
/ P0 X. E& Q( p$ P  z( R& c3 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
! f& q' q0 c# D+ c, b  E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
, a" ~8 E# G# B/ r: T! z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
  K. x# g& j6 T! w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
& N: K8 D: \8 a0 dYOLO 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
: F6 s! B" ?% W2 y2 T  m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
% a! K" p3 {- b: P- W成功率。
$ b" w8 H: r9 U5 c6 q
$ Y! ?1 B! O6 L& H