.png){kind=icon}
返回
High-Precision Landing on a Moving Platform Based on Drone Vision Using YOLO Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/drones9040261.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高精度着陆是无人机（UAVs）在所有应用领域将遇到的关键技术问题，尤其对于移动目标的着陆。本文聚焦于开发一种着陆系统，通过集成全球导航卫星系统（GNSS）与四旋翼无人机的视觉数据来实现实时精确导航。为克服飞行高度过高难以检测着陆目标这一挑战，本文首先检测大体积目标，随后精确识别较小目标，通过改进的YOLOv8 OBB算法提升了识别精度和速度。为在整个着陆过程中保持无人机的安全与稳定，本文应用了一种基于参考模型的滑模控制器（RMSMC）的位置控制方法。四旋翼无人机的位置在整个着陆过程中由RMSMC控制。各状态参考值由参考模型确定，从而提高了整个位置控制系统的稳定性和安全性。在最终实验中，结果证明改进的YOLOv8 OBB识别模型相比原始YOLOv8 OBB模型，使着陆目标点检测的mAP0.5:0.95指标提升了2.22个百分点，在Nvidia AGX上运行速度为53 FPS。通过多次实际飞行测试，所提出的着陆系统始终实现仅0.07 m的平均位置误差。
Keyword:
quadcopter
drone vision
YOLOv8 detection
dynamic landing
sliding mode control
期刊
D
IF:
4.8
论文数:
3.9K
被引数:
8.3K
机构
暂无机构信息
引用论文
Unmanned Aerial Vehicle Autonomous Visual Landing through Visual Attention-Based Deep Reinforcement Learning基于视觉注意力深度强化学习的无人机自主视觉着陆
PREAI
分享收藏分享收藏分享收藏ECA-Net: Efficient Channel Attention for Deep Convolutional Neural NetworksEca-net: 深度卷积神经网络的高效信道关注
OAAI
OAAI分享收藏Deep Reinforcement Learning with Corrective Feedback for Autonomous UAV Landing on a Mobile Platform具有校正反馈的深度强化学习，用于在移动平台上着陆的自主无人机.png)
DRONESOAAI
DRONESIF4.8
OAAI分享收藏Vision-Based Autonomous Following of a Moving Platform and Landing for an Unmanned Aerial Vehicle基于视觉的移动平台自主跟踪和无人机着陆SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容