基于深度学习的无人机自主降落标识检测方法

作     者：李丹 邓飞 赵良玉 刘福祥 Li Dan;Deng Fei;Zhao Liangyu;Liu Fuxiang

作者机构：中国航空研究院北京100029 华北科技学院河北廊坊065201 北京理工大学北京100081 

出 版 物：《航空兵器》 (Aero Weaponry)

年 卷 期：2023年第30卷第5期

页      面：115-120页

核心收录：

学科分类：082601[工学-武器系统与运用工程] 08[工学] 082501[工学-飞行器设计] 0826[工学-兵器科学与技术] 082602[工学-兵器发射理论与技术] 082503[工学-航空宇航制造工程] 0825[工学-航空宇航科学与技术] 

基　　金：国家自然科学基金项目(12072027 11532002) 

主　　题：无人机 视觉引导 自主降落 标识检测 深度学习 

摘      要：为提高无人机自主降落的实时性和准确性,提出了一种基于深度学习的降落标识检测方法。首先,采用轻量级网络MobileNetv2作为主干网络,完成特征提取任务。其次,借鉴YOLOv4的网络结构,引入深度可分离卷积代替部分标准卷积,在基本不影响模型性能的情况下降低计算量。然后,提出了一种基于跳跃连接结构的特征金字塔模块,将主干输出的特征图进行拼接,融合目标细节信息和语义信息,得到表征能力更强的特征。最后,基于深度可分离卷积对YOLOv4的检测头进行优化,完成目标检测任务。在Pascal VOC数据集和降落标识数据集上分别进行实验,结果表明,改进的检测算法有效降低了模型的计算量和参数量,提高了检测速度,且能够满足无人机自主降落的精度需求。