.png){kind=icon}
返回
Lightweight visual localization algorithm for UAVs
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-88089-y.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
引入了Lightv8nPnP轻量级视觉定位算法模型，使基于深度学习的无人机视觉定位算法更加轻量级。本研究的核心目标是开发一种高效的视觉定位算法模型，可以实现无人机的精确3D定位。为了提高模型性能，提出了几种优化方法。首先，为了降低检测头模块的复杂度，将GhostConv引入到检测头模块中，构建GDetect检测头模块。其次，为了解决我们的自定义数据集中导致次优检测性能的不平衡样本困难和不均匀像素质量的问题，wise-iou被引入作为模型的边界框回归损失函数。最后，根据无人机航拍数据集样本的特点，对YOLOv8n网络结构进行修改，以减少冗余特征图，从而创建TrimYOLO网络结构。实验结果表明，与基准算法相比，Lightv8nPnP算法减少了参数数量和计算量，实现了每秒186帧的检测率，并且在三维空间中，X，Y和z轴的定位误差均小于5.5厘米。
Keyword:
Deep learning
Lightweight
Vision-based positioning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
27.8W
被引数:
83.5W
机构
引用论文
Recent advances in curved image sensor arrays for bioinspired vision system用于生物启发视觉系统的曲面图像传感器阵列的最新进展.png)
NANO TODAY
NANO TODAYIF10.9
PREAI
分享收藏UAV-YOLOv8: A Small-Object-Detection Model Based on Improved YOLOv8 for UAV Aerial Photography ScenariosUAV-YOLOv8: 基于改进YOLOv8的无人机航拍场景小目标检测模型SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容