基于YOLOv5网络架构的着陆跑道检测算法研究

作     者：马宁 曹云峰 王指辉 翁祥瑞 吴林滨 Ma Ning;Cao Yunfeng;Wang Zhihui;Weng Xiangrui;Wu Linbin

作者机构：南京航空航天大学航天学院江苏南京211106 

基　　金：空间光电探测与感知工业和信息化部重点实验室开放课题资助(NJ2020021-01) 江苏省研究生科研与实践创新计划(SJCX21_0103) 江苏省JMRH创新平台资助 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2022年第59卷第14期

页      码：189-195页

摘      要：为突破无人机自主着陆技术工程应用中跑道目标快速鲁棒检测这一技术瓶颈,提出了一种基于YOLOv5网络架构的快速跑道检测方法。在YOLOv5网络架构的基础上进行改进,首先,对获取的机载前视图像进行数据增强,以提升网络模型的鲁棒性;其次,对不同尺度、不同维度特征进行融合,以提升网络检测精度;然后,在预测层损失函数的设计中融入跑道的几何特征,以优化预测模型。为验证方法的有效性,采用AirSim开发了复杂着陆场景下的可见光图像数据集,在此基础上对方法进行了测试。仿真结果表明,所提跑道检测方法的平均检测速度可达125 frame/s,平均检测精度为99%,优于传统目标检测方法,满足对跑道区域快速、精确检测的要求。

主 题 词：YOLOv5 卷积神经网络 跑道检测 自主着陆 单目视觉 

学科分类：0808[工学-自动化类] 08[工学] 081105[081105] 0811[工学-水利类] 0702[理学-物理学类] 

核心收录：

D　O　I：10.3788/LOP202259.1415017

馆 藏 号：203113687...