基于Ghost改进的YOLOv5轻量化双目视觉无人机避障算法

作     者：贾一凡 曹天一 白越 JIA Yifan;CAO Tianyi;BAI Yue

作者机构：中国科学院长春光学精密机械与物理研究所吉林长春130033 中国科学院大学北京100049 西南交通大学-利兹学院四川成都610097 

出 版 物：《液晶与显示》 (Chinese Journal of Liquid Crystals and Displays)

年 卷 期：2024年第39卷第1期

页      面：111-119页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.11372309,No.61304017) 吉林省科技发展计划重点项目(No.20150204074GX,No.20160204010NY) 省院合作科技专项资金(No.2020SYHZ0031) 中国科学院青促会项目(No.2014192) 中国科学院轻型动力创新院重点基金(No.CXYJJ20-ZD-03) 

主　　题：目标检测 轻量化 特征匹配 无人机避障 

摘      要：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。