摘要
无人机凭借其独特的拍摄视角和机动灵活的特性，已被广泛应用于多种领域。当前，基于无人机航拍图像的目标检测研究，一般是将机载相机获取的图像保存到存储设备或传输至地面接收器，在本地设备或云端服务器执行目标检测算法。为提高目标检测的实时性和检测效率，并满足无人机远距离巡航的需求，本文设计了一种基于JetsonNano的无人机机载目标检测系统，具体工作如下： （1）提出了一种基于JetsonNano的无人机及机载目标检测系统设计方案，其中目标检测模块的硬件主要包括JetsonNano、摄像头和移动插卡路由器。 （2）比较分析了现有的目标检测算法，对YOLOv4-Tiny和YOLOv5s进行了重点研究，采用无人机公开数据集在服务器上对这两种算法进行了训练和测试，并将训练后的模型移植到JetsonNano中，使用TensorRT技术对算法进行了加速优化。实验结果表明，这两种算法的检测速度分别为22FPS和18FPS。经综合比较两算法的精度和速度，选择YOLOv5s用于本文所设计的系统。 （3）基于华为云的对象存储服务（ObjectStorageService，OBS）和物联网技术，研究了基于JetsonNano的图像采集与数据传输程序设计方法；基于AndroidStudio，使用Java语言设计了显示与遥控终端APP软件，用来实时显示目标检测后的图像以及控制无人机飞行，实现人机交互。 （4）搭建了实验系统，进行了测试。结果表明，当以检测到有无行人、有无汽车为目的时，目标检测的平均准确率为98.8%；当以检测到行人、汽车的数量为目的时，平均准确率为87.5%；控制指令的传输时间为179ms；WiFi和4G网络环境下图像传输时间分别为126ms和210ms。 本文设计的基于JetsonNano的无人机机载目标检测系统，集图像采集、目标检测和数据传输等功能为一体，在无人机机载端实现了航拍图像中行人和汽车的实时检测，并可使用移动通信网络方式摆脱使用距离的限制，可应用于广场或景区人群监控、人员搜救、高速公路巡检、交通流分析等场景，具有较高的应用价值。
NETL