《多旋翼無人機機載智慧型安全監控關鍵技術研究》是依託上海大學，由王斌擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：多旋翼無人機機載智慧型安全監控關鍵技術研究
- 項目類別：青年科學基金項目
- 項目負責人：王斌
- 依託單位：上海大學
中文摘要,結題摘要,
中文摘要
隨著無人機的迅速發展，無人機機載智慧型安全監控的理念和構建方法已經越來越成為國際上前沿研究的熱點，然而由於無人機平台的諸多限制，普遍存在穩定性差、複雜程度高、監控效率低等問題。且目前國內外研究大都著眼於固定翼無人機大範圍監控，其飛行特性適合發現目標，因靈活性不足而不適合瞬時跟蹤監控目標等任務。針對上述問題，本申請課題擬探索從固定翼向多旋翼無人機的機載智慧型安全監控發展的理念，研究各種機載感測器參數與智慧型安全監控的融合，構建準確、快速的圖像配準方法來提升智慧型安全系統的精度和運行速度；並進一步以自適應背景模型為基礎，針對性的探索適合多旋翼無人機智慧型監控任務的目標檢測與追蹤方法，提高監控效率和穩定性；通過智慧型安全監控系統和無人機導航與飛行控制系統的互聯，提升無人機監控水平和靈活性。本申請項目有望在多旋翼無人機智慧型監控領域取得理論和技術上的突破，為進一步發展智慧型飛行機器人建立基礎。
結題摘要
基於無人機的智慧型安全監控在智慧交通、智慧城市以及安全監控等領域有寬廣的套用範圍和深厚的套用價值。因此探索適應無人機機載系統的智慧型安全監控相關算法，如背景減除算法和目標檢測算法，具有一定的理論價值和實際意義。本項目在充分考慮無人機運動特性，以及無人機機載計算平台計算能力弱等特點的影響，主要研究內容及成果如下： 研究加入配準步驟的背景減除算法：通過配準算法和背景減除算法的融合，使得原本基於使用固定攝像頭拍攝視頻的背景減除算法可以被擴展到處理基於移動平台，如無人機，拍攝的視頻上。經過測試，該方法可以大幅提高移動拍攝平台下背景減除算法的檢測精度，同時避免算法複雜度的大幅增長。 研究利用神經網路對背景減除算法進行後處理：在背景減除算法中使用神經網路是當前背景減除領域的研究熱點。研究利用任意背景減除算法的輸出和Ground Truth的殘差訓練神經網路模型，使得網路學習到對應背景減除算法的針對不同場景的通用性弱點，並利用其最佳化該背景減除算法。該算法可以提升任意背景減除算法的檢測精度，同時彌補神經網路算法對場景敏感的弱點。 研究航拍圖像中的小目標檢測算法：將加入特徵融合網路的FPN與Faster RCNN結合起來，提出了融合FPN和Faster RCNN的小目標檢測算法，經測試，該算法可以有效提升航拍圖像中小目標的檢測精度；通過改進特徵融合模組、最佳化基礎網以及殘差模組的機構，提出基於改進型YOLO V3網路的航拍圖像小目標檢測算法，在提升檢測速度的基礎上，有效提升了算法檢測精度。 本項目研究過程中，發表論文5篇，其中SCI/EI收錄4篇，另有2篇在投稿過程中，2篇已發表論文未標註基金號；相關成果已申請專利1項，另有2項專利尚在申請過程中；培養研究生4名。項目研究成果為基於無人機的智慧型監控系統的發展和套用提供了理論和技術基礎。
