基于视觉的无人机板载自主实时精确着陆系统

摘要：

传统视觉方案无法应对无人机降落过程中复杂的环境变化,难以实现在机载处理器上的实时图像处理.为此,提出一种适用于无人机板载端轻量高效的Onboard-YOLO算法,使用可分离卷积代替常规卷积核提升计算速度,通过注意力机制自动学习通道特征权重提高模型准确度.在运动模糊、遮挡、目标出视野、光照、尺度变化等5种干扰环境下进行降落测试,结果表明,Onboard-YOLO可以解决降落过程中的复杂环境问题,在板载端计算速度达到18.3 frame/s,相比于原始YOLO算法、Faster-RCNN算法分别提升了4.3倍、25.7倍,其算法平均准确度达到0.91,相比SSD-Mobilenet提高了8.9个百分点.经实际测试验证了该算法可实现无人机板载端的实时自主精准降落,达到95％以上的降落成功率.

关键词：无人机;精准降落;深度学习;目标检测;注意力机制

所属期刊栏目：47

分类号：TP317.4(计算技术、计算机技术)

资助基金：国家重点研发计划2017YFB0404201

在线出版日期：2021-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：290-297