利用图像校正的快速目标识别算法

提出了一种基于图像校正的快速目标识别算法,特别适合于航拍照片中地面上面目标的识别。算法可以使目标模型单一化,在很大程度上克服了目标识别模型复杂、数据运算量大、计算实时性差等缺点,提高了目标识别的实时性和精确性。首先对图像进行感兴趣区域的检测;对检测出的区域进行图像的正视校正;然后对校正后的区域进行特征提取;最后进行目标识别,并输出目标信息,完成识别过程。实验表明,该算法用于大倾角航片目标识别是有发展潜力和前途的。     

一种新型的无人机牧草分割网络—LMS-DeeplabV3+

目前草原环境复杂、牧草分散且与背景颜色差异小,无法实现高效精准的分割,因此本文提出了一种新型的轻量化多尺度DeeplabV3+网络(lightweight and multi-scale DeeplabV3+network, LMS-DeeplabV3+)。该网络以DeeplabV3+为基础网络,首先选用轻量级的MobilenetV2作为骨干网络用于初步特征提取,并为了适应牧草分割任务做了网络配置上的调整;其次在加强特征提取模块和解码模块中均使用深度可分离卷积代替普通卷积以轻量化网络;此外利用密集空洞空间金字塔池化(dense atrous spatial pyramid pooling, DASPP)模块捕获更大的感受野,加强各特征之间的交互;又引入卷积注意力机制(convolutional block attention module, CBAM)重分配权重加强特征提取。实验证明,提出的新网络与原始网络相比平均交并比(mean intersection over union,mIOU)提升了8.06个百分点、平均像素精度(mean pixel accuracy,mPA)提升了6.7...     

基于改进YOLOv2和迁移学习的管道巡检航拍图像第三方施工目标检测

针对传统目标检测算法应用在无人机航拍图像上第三方施工目标检测和违章占压建筑检测的数据集少、检测率低等问题,提出基于Aerial-YOLOv2和迁移学习的航拍图像目标检测算法。首先,利用结合数据增强的迁移学习策略训练的网络来扩大数据集规模,并利用K均值聚类分析得到符合所提数据集特点的锚点框数量和尺寸;其次,通过自适应对比度增强的方法对图像进行预处理;最后,提出改进卷积模块替代YOLOv2中的卷积块并结合特征融合的多尺度预测方式进行目标检测。用不同的算法和训练策略在无人机航拍图像上进行对比实验,实验结果表明,Aerial-YOLOv2算法结合多种训练策略后,其准确率、召回率分别能达到95%、91%,每张图像检测时间为14 ms。由此可知,该算法适用于无人机航拍图像第三方施工目标及违章占压建筑的智能检测。     

无人机电力线路安全巡检系统及关键技术

近年来架空输电线路架设规模日益扩大,由于其覆盖范围区域广、穿越区域地形复杂并且自然环境恶劣,采用人工定期巡检的方式越来越不能满足现代电力系统安全稳定运行的需要。无人机技术的发展为架空输电线路巡检工作提供了新的平台,借助无人直升机,通过遥感技术应用,采用多传感器集成的方法,可实现电力线路安全巡检工作的高效和全自动化开展。本文介绍了基于遥感技术的电力线路安全巡检系统的基本概念和组成部分,重点分析了主要的关键技术,包括无人机飞行姿态控制、多传感器间高精度时间同步、缺陷探测和智能诊断、机载传感器检校、无线通讯、地面数据处理等,将无人直升机用于电力线路巡检工作的技术要点进行了较为全面的阐述。     

Detection of aircraft below the horizon for vision‐based detect and avoid in unmanned aircraft systems

Vision‐based aircraft detection technology may provide a credible sensing option for automated detect and avoid in small‐to‐medium size fixed‐wing unmanned aircraft systems (UAS). Reliable vision‐based aircraft detection has previously been demonstrated in sky‐region sensing environments. This paper describes a novel vision‐based system for detecting aircraft below the horizon in the presence of ground clutter. We examine the performance of our system on a data set of 63 near collision encounters we collected between a camera‐equipped manned aircraft and a below‐horizon target. In these 63 encounters, our system successfully detects all aircraft, at an average detection range of 1890 m (with a standard error of 43 m and no false alarms in 1.1 h). Furthermore, our system does not require access to inertial sensor data (which significantly reduces system cost) and operates at over 12 frames per second.     

弱纹理条件下无人机姿态参数估计

基于视觉定位的无人机在弱纹理环境下,位置容易产生漂移,针对该问题,提出一种基于改进Snake算法与ORB(oriented FAST and rotated BRIEF)特征光流相结合的方法,对无人机运行参数进行估计,从而改善漂移.首先,采用高斯滤波对采集视频帧进行去噪处理;然后,计算视频帧灰度共生矩阵,判断是否均处于...     

基于时变向量场的多无人机编队集结控制方法

编队集结是无人机编队飞行的必要条件.固定翼无人机由于其速度可变范围有限,难以通过单一的速度调整的方式构成编队.本文提出了一种以路径调节为主、速度调节为辅的无人机编队集结策略,根据各无人机到达集结位置的最短预估时间确定集结时间.并提出一种时变向量场的构造方式,将水平机动的思想与时变向量场相结合,根据无人机的飞行状况通过时变向量场实时调整路径长度,同时调整自身速度,使各无人机都能在集结时间到达集结位置,且速度和航向角保持一致,从而实现编队集结.随后证明了系统的收敛性,并分析了实际情况中避撞问题的处理.论文用某型无人机的大偏差非线性数学模型对所提的编队集结方法进行了验证,证明了所提方法具有较好的实用性.     

基于自适应遗传算法的小型无人旋翼机系统辨识方法

提出一种基于自适应遗传算法的小型无人旋翼飞行器系统辨识方法.通过机载传感器设备,系统采集小型无人旋翼机的输入信号(舵机的控制信号)和输出信号(飞行器的姿态及速度等信息);经过数据预处理后,利用自适应遗传算法构建小型无人旋翼飞行器高精度动力学模型,并通过仿真和实验对模型的自效性进行验证.实验表明,基于本文提出的动态模型,...     

考虑无线充电的无人机路径在线规划

近年来, 无人机在物流、通信、军事任务、灾害救援等领域中展现出了巨大的应用潜力, 然而无人机的续航 能力是制约其使用的重大因素, 在无线充电技术不断突破和发展的背景下, 本文基于深度强化学习方法, 提出了一 种考虑无线充电的无人机路径在线优化方法, 通过无线充电技术提高无人机的任务能力. 首先, 对无人机功耗模型 和无线充电模型进行了构建, 根据无人机的荷电状态约束, 设计了一种基于动态上下文向量的深度神经网络模型, 通过编码器和解码器的模型架构, 实现无人机路径的直接构造, 通过深度强化学习方法对模型进行离线训练, 从而 应用于考虑无线充电的无人机任务路径在线优化. 文本通过与传统优化方法和深度强化学习方法进行实验对比, 所提方法在CPU算力和GPU算力下分别实现了4倍以及100倍以上求解速度的提升.     

无人机自组网路由协议研究综述

随着无人机软硬件技术的发展,多无人机集群自组织形成的无人机自组网（Flying Ad-Hoc networks, FANETs）受到了越来越多的来自学术界和工业界的关注,其灵活的部署和快速的反应能力使其能高效地完成多种多样的任务。而无人机自组网路由协议是提高服务质量（Quality of service, QoS）最重要的方法之一,但无人机自组网的移动性和动态性给路由协议的设计带来了严峻的挑战。传统的移动路由协议不能很好地满足无人机自组网的路由需求,因此研究者们从基于拓扑、地理和分层的角度提出了各式各样的无人机自组网路由协议,旨在克服移动性和提高网络的服务质量,并指出未来无人机自组网的路由协议可以考虑机会路由、软件定义网络（Software defined network,SDN）决策和预测驱动决策等综合提高QoS。本文主要针对无人机自组网网络特征,从不同的路由方法出发,SDN对路由协议进行总结和归纳,并对未来的研究方向进行了展望。