基于Ghost改进的YOLOv5轻量化双目视觉无人机避障算法
为解决无人机在室外实际飞行时的自主避障问题,提出一种基于Ghost改进的YOLOv5轻量化双目视觉无人机避障算法.首先,引入Ghost模块改进YOLOv5中的CBL和CSP_X单元,使用CIOUloss作为回归损失函数,并将非极大值抑制CIOUnms修改为DIOUnms以优化损失函数;其次,对双目相机进行标定和校正;使用ORB特征点提取和滑动窗口匹配算法得到检测目标的视差值,再根据视差值和相机内参求解出障碍物的距离信息;最后,根据障碍物的位置和距离实现无人机的自主避障.该避障算法在嵌入式系统中运行的平均FPS达到14.3,并用无人机避障飞行试验证实了该算法的可行性;改进后的网络检测平均准确率为76.88%,与YOLOv5相比,平均检测精度均值下降0.37%,但检测时间下降22%,参数量下降25%.该算法对无人机的自主避障具有重要的应用价值.
目标检测、轻量化、特征匹配、无人机避障
39
TP391(计算技术、计算机技术)
2024-02-01(万方平台首次上网日期,不代表论文的发表时间)
共9页
111-119