基于机载计算机的无人机智能巡检方案

随着无人机飞行制造技术的不断发展,传统人力巡检在一些领域已逐渐被无人机巡检所取代,相关领域已涉及到森林虫害、电力巡检、工地安全、渔政执法等。针对目前无人机巡检中对巡检目标的实时检测、结果的实时传输以及巡检飞行的智能操控需求,设计了一种基于机载计算机的无人机智能巡检方案。通过机载计算机取代传统方案的移动图形工作站,并结合轻量化网络对检测模型进行轻量化改进,实现无人机检测端直接进行边缘计算。然后通过优化机载端与APP的传输方案以及设计云端远程巡检控制方案,实现无人机的机载端实时自动回传检测结果,并上传至云平台。实验表明,该方案无需移动端复杂操控,可实现远程下发巡检任务指令并实时接收检测结果,达到远端人员可快速精准响应的目的。     

基于深度学习的多旋翼无人机单目视觉目标定位追踪方法

针对无人机对目标的识别定位与跟踪,本文提出了一种基于深度学习的多旋翼无人机单目视觉目标识别跟踪方法,解决了传统的基于双目摄像机成本过高以及在复杂环境下识别准确率较低的问题。该方法基于深度学习卷积神经网络的目标检测算法,使用该算法对目标进行模型训练,将训练好的模型加载到搭载ROS的机载电脑。机载电脑外接单目摄像机,单目摄像头检测目标后,自动检测出目标在图像中的位置,通过采用一种基于坐标求差的优化算法进行目标位置准确获取,然后将目标位置信息转化为控制无人机飞行的期望速度和高度发送给飞控板,飞控板接收到机载电脑发送的跟踪指令,实现对目标物体的跟踪。试验结果验证了该方法可以很好的进行目标识别并实现目标追踪     

机载雷达图像目标识别模型仿真研究

机载视觉雷达对目标准确标识别,关系到航空领域的安全.机载视觉雷达的目标识别多是高空作业,识别的目标图像信息易受到飞机倾斜角度、高空外部噪声干扰、机身异常抖动、被测物体的抖动和采样速度过低等因素的干扰,使得识别目标区域模糊,可识别特征发生严重衰减.传统机载视觉雷达的目标识别方法中,在运动状态下对高空目标的图像衰减特征分割一直很困难,分割过程会出现过分割和欠分割的问题,导致目标识别结果不理想.提出采用机载视觉雷达倾斜状态下的目标识别方法,得到图像中对地目标的运行速度,通过雷达视场距离的标定成像几何原理,将地面目标三维场景投射到二维象平面中,并采用数据链驱动无缝集成模式来运算识别地面目标的实际数量,获取准确的塔机目标识别检测结果.实验结果说明,所提机载视觉雷达倾斜状态下的目标识别模型获取的地面目标识别更加准确,并且具有较高的检测效率和精度.     

基于无人机与计算机视觉技术的违章建筑的智能检测

本文将北斗技术与计算机视觉结合,控制无人机对违章建筑进行自动检测。在无人机飞行方面利用RRT算法实现路径的自动规划,并加入鸟类判别器和自动避障算法加以辅助。当无人机检测到违章建筑时,向客户端发出警报,并发送位置信息。在计算机视觉中使用目标识别算法对建筑图片进行检测。     

无人机自主巡检系统的关键技术研究

无人机（UAV）将成为未来电力巡检的主要工具,目前其飞行路径主要根据GPS进行设计。GPS定位精度低,部分区域GPS信号弱,是阻碍无人机电力巡检广泛应用的主要瓶颈。针对复杂环境下的输电线路态势感知,提出一种基于单目视觉的无人机自主巡检系统,实现脱离GPS的自主导航。该系统采用基于深度学习的目标识别检测算法,利用单目视觉的投影变换对尺度已知的待检测目标进行三维定位,然后通过基于大疆SDK开发的飞控程序调整无人机的飞行姿态并自主导航,实现无人机实时巡检。实验结果表明,距离目标物10?m时,该系统在世界坐标系[X、][Y、][Z]三个方向的定位误差分别为0.31 m、0.06 m、0.24 m,处理速度0.76 frame/s,准确性和可行性得到了验证。     

无人机感知-规避系统安全区域动态决策方法

为了解决无人机在空域交通中的感知-规避安全性需求问题,根据无人机的感知能力定义空域交通的安全边界,采用微分对策和生存能力理论对感知-规避问题进行描述和分析,提出一个理论框架和解决方案,给出了安全区域对无人机飞行策略和制导律的影响。只要无人机与冲突航线内的其他飞行器保持必要的间隔,所提出的方法就可采取有效的策略减小冲突航线上的不确定边界,并选择相应的规避决策调整航线,避免飞行冲突。     

光学遥感图像舰船目标检测与识别综述

遥感图像舰船目标自动检测与识别是遥感图像处理与分析领域备受关注的课题, 其核心任务是判断遥感图像中是否存在舰船目标,并对其进行检测、分类与精确定位, 它在海面交通监控、船只搜救、渔业管理和海域态势感知等领域具有广阔的应用前景. 本文主要围绕光学卫星遥感图像中的舰船目标自动检测与识别, 分析舰船目标检测与识别面临的难点问题, 综述当前光学遥感图像舰船检测与识别的主要处理方法, 在此基础上指出研究中尚存在的问题并展望未来的发展趋势.     

适用于无人机的自动跟踪算法的研究

入侵农田问题给试验田的安全保护带来了严重挑战,传统的保护手段存在诸多限制。为解决这一问题,将无人机技术和目标检测与跟踪算法相结合,提出一种创新的解决方案。该方法通过无人机高空航拍视角获取农田图像数据,并利用YOLO(You Only Look Once)算法实现实时目标检测。同时,采用SORT(Simple Online and Realtime Tracking)算法对入侵目标进行持续跟踪。通过在海南试验田中的应用实验验证该方法的可行性和有效性。实验结果表明,基于YOLO和SORT算法的无人机目标检测与跟踪系统能够在0.4 s内快速检测和跟踪入侵农田目标,为试验田的安全保护工作提供了重要支持。     

应用于纳型无人机视觉场景数据集构建的图像采集系统

纳型无人机具有体积小、功耗低的优势,在物联网、智能感知等领域中有重要的应用前景;对于纳型无人机的机载目标检测和目标跟踪等任务,视觉场景数据集对于机载算法的训练具有重要作用;由于受到体积和功耗等因素的限制,使用无人机机载的视觉系统进行场景数据的采集存在传输帧率慢、传输中需要进行数据压缩等问题,进而导致构建的数据集与机载算法处理的实际图像不匹配;因此,为了构建一个高质量的数据集,该图像采集系统以匹配纳型无人机视觉场景数据为目的进行设计,系统通过低功耗图像传感器HM01B0制作的模组获取图像数据,通过ZYNQ的PL单元完成图像数据的处理和图像传感器的控制,PS单元完成图像数据存储和各任务间的调度;实验结果表明,该图像采集系统最高可以达到320*320分辨率下45帧/s的采集速率,与纳型无人机机载视觉系统图像获取速率相匹配,同时采集的图像质量清晰,能够满足纳型无人机视觉场景数据集构建的需求。     

基于改进机器学习的无人机网络入侵自动感知系统设计

提升无人机网络的安全通信能力,是保证无人机应用的基础,因此,设计基于改进机器学习的无人机网络入侵自动感知系统。系统数据模块通过NetFlow网络流量采集器,采集网络的内部安全流量,管控模块管理并调用这些数据传送至入侵检测模块中,该模块中的入侵感知网关通过部署的时空卷积网络模型,检测无人机网络入侵行为,并完成入侵行为分类,全面感知无人机网络通信状态;感知结果则通过可视化模块进行展示。测试结果显示：该系统能够精准检测网络入侵行为并及时发送入侵预警,网络中主机的内核安全程度均在0.955以上,保证网络的安全通信。     

Unmanned Aerial Vehicle Security Using Recursive Parameter Estimation

The proliferation of Unmanned Aerial Vehicles (UAVs) brings about many new security concerns. A common concern with UAV security is for an intruder to take control of a UAV, which leads for a need for a real time anomaly detection system. This research resulted in a prototype UAV monitoring system that captures flight data, and then performs real time estimation and tracking of the airframe and controller parameters. The aforementioned is done by utilizing the Recursive Least Squares Method (RLSM). Using statistical validation and trend analysis, parameter estimates are critical for the detection of cyber attacks and incipient hardware failures that can invariably jeopardize mission success. The results demonstrate that achieving efficient anomaly detection during flight is possible through the application of statistical methods to profile system behavior. The anomaly detection system that was designed can be performed in real time while the UAV is in flight, constantly verifying its parameters.     

Two-frame structure from motion using optical flow probability distributions for unmanned air vehicle obstacle avoidance

See-and-avoid behaviors are an essential part of autonomous navigation for Unmanned Air Vehicles (UAVs). To be fully autonomous, a UAV must be able to navigate complex urban and near-earth environments and detect and avoid imminent collisions. While there have been significant research efforts in robotic navigation and obstacle avoidance during the past few years, this previous work has not focused on applications that use small autonomous UAVs. Specific UAV requirements such as non-invasive sensing, light payload, low image quality, high processing speed, long range detection, and low power consumption, etc., must be met in order to fully use this new technology. This paper presents single camera collision detection and avoidance algorithm. Whereas most algorithms attempt to extract the 3D information from a single optical flow value at each feature point, we propose to calculate a set of likely optical flow values and their associated probabilities—an optical flow probability distribution. Using this probability distribution, a more robust method for calculating object distance is developed. This method is developed for use on a UAV to detect obstacles, but it can be used on any vehicle where obstacle detection is needed.     

Detection Avoidance and Priority-Aware Target Tracking for UAV Group Reconnaissance Operations

In this paper, we present a novel approach for stationary target tracking in reconnaissance operations with a small UAV group. A reconnaissance mission has multiple competing requirements, such as short scan time and repetitive scanning of the entire area, target recognition, and target tracking. Especially in real-world military reconnaissance scenarios, different types of targets with hostile characteristics exist. The UAVs must scan and track the targets while avoiding detection by enemies. Although small UAVs are unlikely to be detected, they become prone to detection if their path is predictable. To meet these competitive requirements, we propose an attractive pheromone-based cooperative path planning method that makes path prediction almost impossible by ensuring a random path selection mechanism. To avoid detection during target tracking, we implement a new discrete-time tracking scheme with random time intervals and random path planning for multiple UAVs. The proposed model enables a UAV group to sporadically scan the entire area, quickly locate the targets, and simultaneously track the targets based on their priority. In addition, it offers a mechanism that permits the command and control center to balance between reconnaissance and target tracking operations to meet every mission requirement.     

利用旋翼无人机群平台的探潜技术研究综述

潜艇是水下作战的重要力量,大力发展探潜技术具有重要的军事意义。随着无人机平台计算能力的提高和飞行控制技术的不断完善,无人机集群不断智能化、低成本化,参与作战能力逐步提升,本文对应用无人机集群的探潜技术开展调研综述。首先对声呐探测、磁场检测和微型合成孔径雷达探测等载荷技术开展调研,指出适合旋翼无人机平台的载荷类型;接下来分析了旋翼无人机可参与的智能化海洋作战模式,提出了多探测器跨域协作的水上—水下协作探潜防御网思路;最后,通过分析无人机群平台智能探潜的研究成果和关键技术,提出了多传感器异构无人机集群的研究发展方向,可对未来构建智能化探潜防御网提供参考。     

舰载无人机自主着舰回收制导与控制研究进展

舰载无人机正成为未来海战的重要组成部分，制导与控制是舰载无人机自主着舰/回收的关键技术.本文综述了舰载无人机自主着舰/回收制导与控制技术.概述了舰载无人机的发展历史，简单描述了舰载无人机跑道拦阻着舰、撞网回收、伞降回收、绳钩回收、天钩回收、过失速着舰、智能飞落着舰、风向筒回收、秋千式吊架回收等典型着舰回收方式.在深入分析无人机自主着舰/回收制导与控制关键问题的基础上，重点概述了无人机着舰/回收经典制导与现代制导技术，以及着舰/回收经典控制、现代控制、非线性与自适应控制、智能控制等飞行控制技术的研究现状.最后，对无人机自主着舰/回收制导与控制技术的发展状况进行总结，并对未来研究重点进行展望.     

基于Leap Motion的可抓取无人机系统

为了解放无人机的传统控制方式和解决高空取物等实际问题,提出一种将手势识别技术与无人机相结合的可抓取无人机系统。该系统通过Leap Motion采集手势数据,使用Python并结合Leap Motion v2 SDK库将数据进行处理,通过NRF24L01无线模块对数据进行发送,在无人机端将收到的数据通过Arduino进行分析处理,输出相应的PWM波来控制无人机的飞行状态以及机械爪的抓取。经试验证实该系统可通过手势改变无人机的飞行状态,以及控制机械爪的抓取,表明了该系统实现方法的可靠性及有效性。     

A 3D Collision Avoidance Strategy for UAVs in a Non-Cooperative Environment

This paper presents a feasible 3D collision avoidance approach for fixed-wing unmanned aerial vehicles (UAVs). The proposed strategy aims to achieve the desired relative bearing in the horizontal plane and relative elevation in the vertical plane so that the host aircraft is able to avoid collision with the intruder aircraft in 3D. The host aircraft will follow a desired trajectory in the collision avoidance course and resume the pre-arranged trajectory after collision is avoided. The approaching stopping condition is determined for the host aircraft to trigger an evasion maneuver to avoid collision in terms of measured heading. A switching controller is designed to achieve the spatial collision avoidance strategy. Simulation results demonstrate that the proposed approach can effectively avoid spatial collision, making it suitable for integration into flight control systems of UAVs.     

无人机探测与对抗技术发展及应用综述

无人机的任意使用对公共安全和个人隐私构成了极大威胁,因此近年来反无人机已成为一个非常重要的新兴领域,越来越多的研究希望通过更精确的无人机探测跟踪技术和引进新机能、新概念技术来更好地反制无人机,从而保证国防安全、公共安全和个人隐私等.基于此,对国内外反无人机技术进展进行分析总结,首先,对基于雷达、光电、无线和声传感器以及...