首页|基于YOLOv5网络架构的着陆跑道检测算法研究

基于YOLOv5网络架构的着陆跑道检测算法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为突破无人机自主着陆技术工程应用中跑道目标快速鲁棒检测这一技术瓶颈，提出了一种基于YOLOv5网络架构的快速跑道检测方法。在YOLOv5网络架构的基础上进行改进，首先，对获取的机载前视图像进行数据增强，以提升网络模型的鲁棒性;其次，对不同尺度、不同维度特征进行融合，以提升网络检测精度;然后，在预测层损失函数的设计中融入跑道的几何特征，以优化预测模型。为验证方法的有效性，采用AirSim开发了复杂着陆场景下的可见光图像数据集，在此基础上对方法进行了测试。仿真结果表明，所提跑道检测方法的平均检测速度可达125 frame/s，平均检测精度为99％，优于传统目标检测方法，满足对跑道区域快速、精确检测的要求。
Landing Runway Detection Algorithm Based on YOLOv5 Network Architecture

马宁、曹云峰、王指辉、翁祥瑞、吴林滨

展开 >

南京航空航天大学航天学院,江苏南京211106

YOLOv5 卷积神经网络 跑道检测 自主着陆 单目视觉

空间光电探测与感知工信部重点实验室开放基金江苏省研究生科研与实践创新计划江苏省JMRH创新平台资助项目

NJ2020021-01SJCX21_0103

2022

10.3788/LOP202259.1415017

激光与光电子学进展
中国科学院上海光学精密机械研究所

激光与光电子学进展

CSTPCDCSCD北大核心
影响因子：1.153
ISSN：1006-4125
年,卷(期)：2022.59(14)
  • 3
  • 15