排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
通过无人机拍摄的光学图像求解地面感兴趣目标坐标,被广泛的应用于相关的军事以及商用民用领域。该方法的缺点是使用单架无人机时定位精度不稳定,效率也低。针对这些问题,设计了一种基于协同无人机的感兴趣目标定位系统。通过三架无人机同时观测同一地面感兴趣目标,在对目标定位的过程中,根据透视投影原理,结合无人机获取的姿态数据,通过主机数据处理系统实现机载在线实时定位。为了提高目标定位的精度,提出一种基于内三角形质心算法的协同目标定位方法。采用蒙特卡洛方法进行仿真实验,换算空间定位误差为26.6米,通过数值模拟和飞行实验验证结果表明与传统单机目标定位系统相比,协同无人机感兴趣目标定位系统可以有效利用更多的观测信息,在有效提高目标定位效率的基础上具有更高的交会精度。 相似文献
2.
在智能视频监控系统的行人检测中,目前使用的目标检测算法R-CNN和YOLO系列算法或速度较慢,无法满足实时性要求;或需要较大的GPU显存空间,难以部署。YOLOv3-tiny算法作为YOLO系列的精简版本,对设备要求较低、速度快,但该算法精度较低。本文通过调整YOLOv3-tiny算法的grid cell横纵方向数量、优化YOLOv3-tiny算法网络结构、聚类确定anchor的数量及尺寸,得到改进的YOLO-Y算法,并通过数据增强方法对训练数据集进行扩充。改进的YOLO-Y算法将mAP从90%提升到92%,Recall从95%提升到97%,检测速度达到26帧/s,占用约1 GB显存空间。实验结果表明改进的YOLO-Y算法显著提高了算法检测精度,具有实时性,且不需要太大的显存空间,满足大部分智能视频监控系统的要求。 相似文献
1