登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 文献综述 > 理工学类 > 自动化 > 正文

无人机视觉引导着艇目标检测识别技术研究文献综述

 2020-04-15 05:04  

1.目的及意义

2017年以来,随着我国对海洋资源与环境日益重视[1],为了维护国家利益与权益,亟需一款全自主、全天候的无人机艇协同探测装置。在机艇协同作业中,无人艇为无人机提供长了时间续航保证和良好安全保证,无人机也为无人艇提供了充足的视野和危险预警,同时还扩大了整个系统的作业范围。对于舰艇无法到达的浅水区、水岸边或者岛礁上,采用无人机进行勘察更为适合[2]。

在机艇协同中,无人机的回收始终是一大难点。传统的无人机回收方式分为三种:一种是采用组合定位定向导航方式,通过惯性导航、卫星导航[3]、地磁导航、地形辅助导航等方式,实时为无人机提供精确的方向基准和位置坐标,再通过预编程控制无人机实现自主返航;另一种是通过图像遥测控制系统,由地面、舰艇或者发射母机上的操作人员进行遥控;第三种结合前两种方法,在远距离时采用预编程控制,在接近目标后切换成实时遥控控制。

随着图像处理技术的发展,计算机视觉技术成功引入到了无人机回收问题中来,视觉导航技术已成为新的研究热点[4][5]。相比于传统导航设备,视觉信号抗干扰性较好,没有累积误差,也不存在容易受阻隔的问题。同时,视觉传感器是自主搜索目标位置的方式,采集的是可见光或红外线这类自然信息,不易被军事雷达等检测器侦测到。

基于以上特点,视觉导航技术常常作为保护无人机安全的最后一道屏障。试想当无人机作业的时候,如果GPS信号突然丢失,可能会造成外部无法操作的情况,更严重的可能会造成飞行的不稳定。此时利用视觉引导着舰技术让无人机脱离危险的情况,实现自主返航,这在很大程度上个可以减少财产的损失,保障无人机的安全。

无人机视觉引导着舰包含两种情况。当无人机和舰艇的距离足够近时,通常用特定的靶标实现视觉引导[4],让无人机降落。一旦无人机超出了检测靶标的距离,就需要切换成舰船检测识别的方式,引导无人机靠近无人艇,达到可以检测靶标的区域后,再进行着舰。舰船目标检测识别的加入,极大的增加了无人机的作业范围,让无人机不再局限于一个小区域飞行。

本次毕业设计就无人机距离无人艇较远的情况,研究舰船检测算法,并将该算法应用到无人机视觉引导着舰项目中去,完成软硬件设计。


{title}

2. 研究的基本内容与方案

{title}

无人机视觉引导着舰是在不依赖GPS导航的情况下,仅通过视觉感知实现无人机的自主着舰。当无人机距离舰艇较近时,相机可以清晰的拍摄到舰艇上的靶标,无人机根据靶标位姿解算的结果实现自主降落。当无人机因距舰艇较远而无法正常识别靶标时,就需要对目标舰艇进行检测,引导无人机飞行,直到能够正常识别靶标。当无人机再远一点,检测算法将无法区分目标舰船和其他舰船,此时检测所有舰船,引导无人机飞行,直到找到目标舰船。

该研究的难点,一是为了控制无人机的正常飞行,对目标检测的实时性有很高需求;二是由于舰船是细长的形状,随着拍摄角度的不同,舰船目标的长宽比变化较大,不易定位;三是需要检测的类别有两个,一个是目标舰船,即Huster68,另一个是所有舰船,由于这两类存在包含关系,因此要区分他们十分不易。

目标检测过程由四个阶段组成。第一阶段,使用摄像机拍摄无人机周围状况,将图片传给机载计算机。第二阶段,将图片通过MobileNet v2卷积神经网络,提取出特征图(feature map)。第三阶段,用单次多盒检测器(single shot multibox detector,SSD),根据特征图进行目标检测,确定目标的种类和位置。第四阶段,根据检测到的无人艇位置引导无人机飞行。硬件结构采用妙算 linux系统,软件平台采用caffe。

MobileNet v2卷积神经网络借鉴了残差网络(ResNet)的思想,结合了MobileNet的可分离卷积(depthwise separable convolution)设计,提出了反向残差块(InvertedResidual block)。在减少了参数和计算量的同时,使网络特征可以更好的表达。创新性的线性颈瓶(Linear Bottlenecks)设计使网络特征可以更好的从当前层传递到下一层,减小了传递损失。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图