基于强化学习的四旋翼无人机控制律设计

目前四旋翼无人机大部分都采用经典控制方法进行控制律的设计,然而控制参数的选择和对被控对象数学模型的依赖一直是经典控制方法设计中需要克服的问题;针对此问题,采用了一种基于深度强化学习算法Deep Q Network的无人机控制律设计方法,以四旋翼姿态角和姿态角速率作为三层神经网络的输入数据,最终输出动作值函数,再根据贪婪策略进行动作的选取,通过与环境的不断交互,智能体根据奖惩信息来更新神经网络的权值,使得智能体朝着获得累积回报最大值的方向选取动作;仿真结果表明在经过强化学习训练之后,四旋翼姿态角能够快速准确地跟踪上参考指令的变化,证明了基于强化学习的四旋翼无人机控制律的可行性,从而避免了传统控制方法对控制参数的选择与控制模型的依赖。     

一种Anchor Free的无人机检测方法

目前几乎所有最先进的目标检测方法都依赖于预先定义的anchor,但是由于anchor的存在,网络会增加与anchor相关的计算开销,而且在现实世界中,目标尺度多种多样,比如地对空拍摄的无人机目标,预先定义的anchor不可能穷举所有的无人机尺度。因此,该文抛弃预先定义的anchor,采用anchor free的方法来检测无人机。该anchor free方法以目标中心区域的像素为训练样本来逐像素预测边界框的偏移量。针对地对空拍摄的无人机目标大部分都是小尺度的情况,采用高分辨率网络HRNet作为主干网络来提取小目标细粒度的特征,从而提高小目标检测的精度。相对于基于anchor的目标检测方法,该网络框架简单、灵活,并且可以自适应地预测无人机目标的边界框。在自己设计的无人机数据集上,该方法获得了更高的召回率和精确率。     

融合视觉显著性再检测的孪生网络无人机目标跟踪算法

针对旋翼飞行器在跟踪过程中目标尺度变化、快速运动、视角变化等问题,本文提出了一种基于MobileNetV2的孪生网络目标跟踪算法,可在无人机机载处理器上实时运行。该算法主要包含目标得分估计模块与目标尺度估计模块两个部分。结合多特征融合的策略,可准确预测出目标位置与目标框IoU,同时以目标框IoU为指导,利用梯度上升法对目标框进行迭代修正,进一步提升预测精度。针对完全遮挡而导致的目标跟丢问题,本文设计了一个基于视觉显著性的目标再检测算法,该算法可实时高效地预测出图像的显著性区域,以指导对目标的再检测,进而恢复跟踪。最后,通过标准无人机跟踪数据集测试与实际无人机跟踪实验,验证了算法的可行性。     

Ultrawideband coupled relative positioning algorithm applicable to flight controller for multidrone collaboration

In this study, we introduce a loosely coupled relative position estimation method that utilizes a decentralized ultrawideband (UWB), Global Navigation Support System and inertial navigation system for flight controllers (FCs). Key obstacles to multidrone collaboration include relative position errors and the absence of communication devices. To address this, we provide an extended Kalman filter-based algorithm and module that correct distance errors by fusing UWB data acquired through random communications. Via simulations, we confirm the feasibility of the algorithm and verify its distance error correction performance according to the amount of communications. Real-world tests confirm the algorithm's effectiveness on FCs and the potential for multidrone collaboration in real environments. This method can be used to correct relative multidrone positions during collaborative transportation and simultaneous localization and mapping applications.     

基于数传电台的靶用型无人机测控系统

靶用型无人机简称靶机,模拟航空飞行器的飞行性能和外部特性,用于防空探测系统和防空武器系统的功能和性能测试.由于靶机是一种消耗性资源,为其研制专用测控系统,价格昂贵且通用性受限.本着低成本、通用化和小型化的原则,以数传电台为核心硬件,设计了适用于靶机的测控系统.详细论述了该测控系统的总体设计、硬件设计和软件设计,并对测控作用距离进行了分析.该测控系统已在多型靶机上得到了成功应用.     

微型多轴旋翼无人机在山西省燃气输配管网安全管理提升中的应用

山西省内输气管网贯通全省南北，横跨东西，分布地区广，经过高后果区、采动采空区以及高陡边坡湿陷性黄土等不同的地形复杂区域，制约了常规人工巡护、风险识别、隐患预警等工作的进行，微型多轴旋翼无人机具有体积小、操作简单、机动性强、造价低、飞控智能化程度高的特点，具有搭载多种工作平台实时拍摄动态视频、高清晰照片及后台智能对比等功能。结合山西省输气管网管理工作的特点，分析了无人机在辅助管道巡护、高后果区风险识别、应急抢险中指挥和决策的应用，提高全省燃气管网的安全管理水平。     

基于并行跟踪检测框架与深度学习的目标跟踪算法

在空地协同背景下，地面目标的移动导致其在无人机视角下外观会发生较大变化，传统算法很难满足此类场景的应用要求。针对这一问题，提出基于并行跟踪和检测（PTAD）框架与深度学习的目标检测与跟踪算法。首先，将基于卷积神经网络（CNN）的目标检测算法SSD作为PTAD的检测子处理关键帧获取目标信息并提供给跟踪子；其次，检测子与跟踪子并行处理图像帧并计算检测与跟踪结果框的重叠度及跟踪结果的置信度；最后，根据跟踪子与检测子的跟踪或检测状态来判断是否对跟踪子或检测子进行更新，并对图像帧中的目标进行实时跟踪。在无人机视角下的视频序列上开展实验研究和对比分析，结果表明所提算法的性能高于PTAD框架下最优算法，而且实时性提高了13%，验证了此算法的有效性。     

基于模型微调的空中无人机小样本目标识别方法

空中无人机目标识别是现代军事、航空领域的迫切需求,由于目前无人机的功能和种类繁多,对于新机型很难采集大量的无人机样本用于训练目标识别模型;针对该问题,提出了一种基于模型微调的空中无人机小样本目标识别方法;方法以Faster R-CNN为基础架构,首先采用具有大量标记样本的常见机型数据预训练Faster R-CNN模型;然后将基础架构最后的分类层替换为余弦度量,构建联合新机型与常见机型的小样本平衡数据集以较小的学习率微调分类层。实验结果表明,在标记样本数量为5、10和50的情况下,基于模型微调的小样本目标识别模型的mAP分别为88.6%,89.2%和90.8%,能够满足空中无人机小样本目标识别任务需求,且优于其它小样本目标识别方法。     

基于多源数据的矿山边坡滑坡成因分析

针对某露天矿开采过程中边坡滑坡问题,采用无人机倾斜摄影测量与工程勘察联合调查的方式,基于多源数据对边坡滑坡的基本前兆特征及地质特征进行分析判断。结果表明,边坡滑坡的根本原因是开采形成高陡边坡后,边坡不良岩土体在应力重分布过程中向临空面方向产生塑性挤压变形,导致上覆岩层产生陡倾张裂隙;边坡滑坡变形的模式以蠕滑 拉裂的变形模式（表层蠕滑 后缘拉裂 潜在剪切面剪切）为主,破坏形式以滑塌为主;边坡潜在滑移面将在极软 软弱岩土层中发育;结合灰岩的分布特征判断,如边坡发生最终破坏,将以中浅层滑坡为主,滑动带深度多在20 m以内,滑坡后缘在新老裂缝发育区,剪出口位于+250 m平台以上。结果为边坡稳定性控制工作提供了理论依据。     

某型无人靶机飞行航路规划设计及领航

通过对某型无人靶机的飞行特性进行分析，研究靶机自主导航设计原理，对该型靶机的飞行航路和自主导航装订航线进行规划设计；结合多次供靶实际，研究分析该型靶机空中易出现的特殊情况，并提出可行的处置措施。