基于环境感知的无人机编队关键技术研究

发布时间：2022-01-04 17:45

　　无人机作为一种新形态机器人,他的出现促进了农业,林业等传统行业的技术变革,拓宽了影视业等行业的技术手段,丰富了人类的日常生活。其作为一种新型智能载体,已融入在了军事,民用,工业等各个领域,促进了社会经济,人文等各方面的发展。但是当前无人机的应用大部分都是单一个体的简单应用,常用于代替简单的自动化任务,而不具备单智能体所强调的智能性,也很少看到多个智能体的协同工作,因此当前的无人机在面对复杂场景,复杂任务时还不能很好地发挥作用。如何发挥多无人机编队协作执行任务的优势,将成为无人机协同智能技术的重要研究方向,其主要包括:三维空间的环境感知能力,多无人机的编队技术,无人机的自主回收与综合控制。本课题针对以上研究痛点,主要研究了基于环境感知的编队关键技术,给出了一种无人机编队的完整解决方案。本文将整个无人机编队方案划分为了感知模块,编队模块和自主回收模块,针对每一个模块各提出了相应的算法与实现,具体为:无人机低空场景下的实时三维感知,无人机自组网编队模糊控制方法研究与实现,多传感器融合的无人机自主动态着陆回收系统。首先无人机的三维感知能力保证了无人机编队的安全飞行,并为无人机编队后续的智能决策... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：96 页

【学位级别】：硕士

【部分图文】：

模型训练Loss损失和学习率变化

图2.15 模型训练 Loss 损失和学习率变化（1）车 IoU 分值变化 （2）自行车手 IoU 分值变化 （3）行人 IoU 分值变化图2.16 训练集数据评估分值本文在验证集上进行更为具体的评估记录，如图 2.17 所示为验证集上三种类别的分割评估结果，每一种类别的评估指标各包含精度，回调率和 IoU 三种具体分值。模型的逐像素类别分割性能如表 2.5 所示。

（4）自行车手 IoU 分值变化 （5）自行车手精度分值变化 （6）自行车手回调率分值变化（7）行人 IoU 分值变化 （8）行人精度分值变化 （9）行人回调率分值变化图2.17 验证集数据评估分值表2.5 模型逐像素类别分割性能精度(P) 回调率(R) 交并比(IoU)车辆本文提出的模型 61.2 96.6 59.9VoxelNet 60.6 68.3 57

【参考文献】：
期刊论文
[1]四旋翼无人机的编队飞行控制系统设计[J]. 徐俊,王茂森,戴劲松,王大鹏.  机械设计与制造. 2018(03)
[2]稳健李代数旋转平均用于GPS辅助无人机影像三维重建[J]. 李劲澎,姜挺,龚志辉,江刚武.  光学精密工程. 2017(06)
[3]民用无人机产业发展动态及其在网络通信领域中的应用[J]. 裴锦华.  电信工程技术与标准化. 2017(04)
[4]无人机测绘遥感[J]. 李泉洲,石高峰,崔建军.  电信工程技术与标准化. 2017(04)
[5]无人机自主着陆纵向控制律设计[J]. 高九州,贾宏光.  光学精密工程. 2016(07)
[6]无人机机载侦察视频的高效视频码率控制[J]. 赵春蕾,戴明,尹传历.  光学精密工程. 2015(12)
[7]精密进场雷达引导无人机自主着陆综述[J]. 陈晓飞,董彦非.  航空科学技术. 2014(01)
[8]无人机多传感器信息融合的关键技术[J]. 王雯.  自动化应用. 2013(11)
[9]无人机编队飞行神经网络自适应逆控制器设计[J]. 王晓燕,王新民,姚从潮.  控制与决策. 2013(06)
[10]提高无人机协同编队飞行测地导航精度的新方法[J]. 陈思静,程咏梅,张共愿.  火力与指挥控制. 2013(03)



本文编号：3568787