计算机工程

作者：饶颖露, 邢金昊, 张恒, 马晓静, 马思乐

单位：山东大学 海洋研究院, 山东 青岛 266237

关键词：无人机,精准降落,深度学习,目标检测,注意力机制

基金：国家重点研发计划（2017YFB0404201）。

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。

来源：2021年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第10期