面向疫情防控的无人机关键技术综述
发布时间：2022-01-06 16:10
在国内新型冠状病毒的疫情防控中,无人机及其相关技术发挥了积极的抗疫作用,展现出了巨大的应用潜力。对适用于疫情防控的无人机关键技术进行综述,主要涉及计算机视觉技术、视觉导航技术、混合电动长航时技术,以及机载小型喊话器技术等其它抗疫载荷技术。这些技术对无人机的场景理解、自主导航、续航能力,以及疫情监控效果等具有直接、重要的影响。最后,对所涉及技术的发展现状进行总结,分析相应技术的特点并给出未来的发展趋势,为无人机在疫情防控、紧急灾害救援等任务中的广泛应用指明了技术突破的方向。
【文章来源】：无人系统技术. 2020,3(03)
【文章页数】：11 页
【部分图文】：
DnCNN算法模型[5]
图1 DnCNN算法模型[5](2）图像去模糊：无人机航拍时，无人机的机械振动、失焦、风力影响以及拍摄目标的快速移动等，都可能影响航拍图像效果，使得图像丢失细节信息而变得模糊，难以进行后续处理。由于无人机抗风能力较差，飞行姿态易受气流影响，因此无人机图像模糊主要是运动图像模糊。除了对硬件设备进行稳像处理以及搭建稳定拍摄控制系统等方法，主要的运动图像去模糊方法是对成像后的图像进行处理，通过对图像运动模糊去除算法的研究，达到图像复原的目的。
目标检测是泛身份识别（如人群计数）领域的基础性的算法，是智能化疫情监控系统的核心部分。目标检测的任务是对目标位置进行定位，同时获得该目标的类别信息，方法可大致分为传统检测方法与基于深度学习的检测方法[12],2012年以前，目标检测主要利用梯度直方图、局部二值模式等基于特征的方法；2012年以后，基于深度学习的目标检测方法逐渐占据主导地位，并使目标检测算法实现了质的提升[13]。根据技术路径，目标检测可分为单阶段检测算法与两阶段检测算法（如图3）。两阶段检测多为基于分类的检测算法，此类方法的核心思想是将候选区域与CNN相结合，将目标检测问题通过分类进行解决。这类方法检测精度较高，检测速度较慢。单阶段检测多为基于回归的检测算法，相比于两阶段检测，单阶段检测降低了部分精度，但很好地提高了目标检测算法的实时性。单阶段算法将整张图片作为输入，使得目标框及目标类别信息从给定图像的多个位置直接回归得出，同时进行分类和回归也使完整的单次训练得以实现特征共享，实现了端到端的检测过程。单阶段算法在保证精度的同时，明显提升了计算速度[13]。
【参考文献】：
期刊论文
[1]深度学习目标检测方法综述[J]. 赵永强,饶元,董世鹏,张君毅. 中国图象图形学报. 2020(04)
[2]基于视觉的目标检测方法综述[J]. 李章维,胡安顺,王晓飞. 计算机工程与应用. 2020(08)
[3]一种双目直接法视觉里程计[J]. 涂金戈,谢仁平,赵鹏程. 测绘地理信息. 2020(02)
[4]轻小型太阳能/氢能无人机发展综述[J]. 刘莉,曹潇,张晓辉,贺云涛. 航空学报. 2020(03)
[5]电动飞机发展白皮书[J]. 孙侠生,程文渊,穆作栋,黄铁山,王妙香,宋刚,王元元. 航空科学技术. 2019(11)
[6]大跨时空任务背景下的太阳能无人机任务规划技术研究进展[J]. 吴健发,王宏伦,黄宇. 航空学报. 2020(03)
[7]混合动力电动汽车电驱动系研究综述[J]. 宋佳,王鑫海,徐文龙,吕钊钦,穆桂脂. 时代汽车. 2019(10)
[8]State of art on energy management strategy for hybrid-powered unmanned aerial vehicle[J]. Tao LEI,Zhou YANG,Zicun LIN,Xiaobin ZHANG. Chinese Journal of Aeronautics. 2019(06)
[9]无人机景象匹配视觉导航技术综述[J]. 赵春晖,周昳慧,林钊,胡劲文,潘泉. 中国科学:信息科学. 2019(05)
[10]燃料电池无人机动力系统方案设计与试验[J]. 张晓辉,刘莉,戴月领,沈辉. 航空学报. 2018(08)
博士论文
[1]无人机飞行途中视觉导航关键技术研究[D]. 宋琳.西北工业大学 2015
硕士论文
[1]医用红外测温仪及其关键技术研究[D]. 葛泽勋.长春理工大学 2019
[2]基于卷积神经网络的人群计数方法研究与实现[D]. 薛致远.电子科技大学 2019
[3]微小型飞行器视觉感知与自主导航关键技术研究[D]. 李一博.南京航空航天大学 2019
本文编号：3572763
【文章来源】：无人系统技术. 2020,3(03)
【文章页数】：11 页
【部分图文】：
DnCNN算法模型[5]
图1 DnCNN算法模型[5](2）图像去模糊：无人机航拍时，无人机的机械振动、失焦、风力影响以及拍摄目标的快速移动等，都可能影响航拍图像效果，使得图像丢失细节信息而变得模糊，难以进行后续处理。由于无人机抗风能力较差，飞行姿态易受气流影响，因此无人机图像模糊主要是运动图像模糊。除了对硬件设备进行稳像处理以及搭建稳定拍摄控制系统等方法，主要的运动图像去模糊方法是对成像后的图像进行处理，通过对图像运动模糊去除算法的研究，达到图像复原的目的。
目标检测是泛身份识别（如人群计数）领域的基础性的算法，是智能化疫情监控系统的核心部分。目标检测的任务是对目标位置进行定位，同时获得该目标的类别信息，方法可大致分为传统检测方法与基于深度学习的检测方法[12],2012年以前，目标检测主要利用梯度直方图、局部二值模式等基于特征的方法；2012年以后，基于深度学习的目标检测方法逐渐占据主导地位，并使目标检测算法实现了质的提升[13]。根据技术路径，目标检测可分为单阶段检测算法与两阶段检测算法（如图3）。两阶段检测多为基于分类的检测算法，此类方法的核心思想是将候选区域与CNN相结合，将目标检测问题通过分类进行解决。这类方法检测精度较高，检测速度较慢。单阶段检测多为基于回归的检测算法，相比于两阶段检测，单阶段检测降低了部分精度，但很好地提高了目标检测算法的实时性。单阶段算法将整张图片作为输入，使得目标框及目标类别信息从给定图像的多个位置直接回归得出，同时进行分类和回归也使完整的单次训练得以实现特征共享，实现了端到端的检测过程。单阶段算法在保证精度的同时，明显提升了计算速度[13]。
【参考文献】：
期刊论文
[1]深度学习目标检测方法综述[J]. 赵永强,饶元,董世鹏,张君毅. 中国图象图形学报. 2020(04)
[2]基于视觉的目标检测方法综述[J]. 李章维,胡安顺,王晓飞. 计算机工程与应用. 2020(08)
[3]一种双目直接法视觉里程计[J]. 涂金戈,谢仁平,赵鹏程. 测绘地理信息. 2020(02)
[4]轻小型太阳能/氢能无人机发展综述[J]. 刘莉,曹潇,张晓辉,贺云涛. 航空学报. 2020(03)
[5]电动飞机发展白皮书[J]. 孙侠生,程文渊,穆作栋,黄铁山,王妙香,宋刚,王元元. 航空科学技术. 2019(11)
[6]大跨时空任务背景下的太阳能无人机任务规划技术研究进展[J]. 吴健发,王宏伦,黄宇. 航空学报. 2020(03)
[7]混合动力电动汽车电驱动系研究综述[J]. 宋佳,王鑫海,徐文龙,吕钊钦,穆桂脂. 时代汽车. 2019(10)
[8]State of art on energy management strategy for hybrid-powered unmanned aerial vehicle[J]. Tao LEI,Zhou YANG,Zicun LIN,Xiaobin ZHANG. Chinese Journal of Aeronautics. 2019(06)
[9]无人机景象匹配视觉导航技术综述[J]. 赵春晖,周昳慧,林钊,胡劲文,潘泉. 中国科学:信息科学. 2019(05)
[10]燃料电池无人机动力系统方案设计与试验[J]. 张晓辉,刘莉,戴月领,沈辉. 航空学报. 2018(08)
博士论文
[1]无人机飞行途中视觉导航关键技术研究[D]. 宋琳.西北工业大学 2015
硕士论文
[1]医用红外测温仪及其关键技术研究[D]. 葛泽勋.长春理工大学 2019
[2]基于卷积神经网络的人群计数方法研究与实现[D]. 薛致远.电子科技大学 2019
[3]微小型飞行器视觉感知与自主导航关键技术研究[D]. 李一博.南京航空航天大学 2019
本文编号：3572763
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3572763.html
