人工智能（AI）技術(shù)在無人機（UAV）等載體上的應(yīng)用越來越普遍,救援、偵查無人機在各種具有挑戰(zhàn)的環(huán)境中進行目標檢測、定位與搜救等任務(wù)是AI與UAV結(jié)合的典型范例。此外,無人機需要更加可靠的導(dǎo)航定位、地圖構(gòu)建等技術(shù)來應(yīng)對日益復(fù)雜的飛行環(huán)境和作業(yè)任務(wù)。本文對于無人機的AI應(yīng)用、導(dǎo)航定位及稠密建圖問題作了研究工作,論文的主要工作內(nèi)容和貢獻如下:（1）針對具有大量參數(shù)和高額計算開銷的卷積神經(jīng)網(wǎng)絡(luò)（CNN）無法實時應(yīng)用于嵌入式設(shè)備的問題,本文提出了一種基于濾波器裁剪的新型卷積神經(jīng)網(wǎng)絡(luò)模型壓縮算法。通過計算卷積層中濾波器的標準差值衡量其重要程度,裁剪對神經(jīng)網(wǎng)絡(luò)準確率影響較小的濾波器及其對應(yīng)的特征圖,可以有效降低計算成本。實驗結(jié)果表明,該算法在基本保持原有精度的基礎(chǔ)上可以對目標檢測模型YOLOv2壓縮50%以上,提高了其運算速度。（2）日益復(fù)雜的應(yīng)用場景對無人機導(dǎo)航定位功能的要求越來越高,本文在視覺里程計（VO）系統(tǒng)中引入了慣性測量單元（IMU）,提出了 一種基于幾何空間的極線匹配濾波算法,可以剔除更多的誤匹配,提高了特征匹配的準確率,并在視覺前端引入了 Graph-Cut RANSAC（GC-RA... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【部分圖文】：

圖１．３八叉樹地圖??，，面

第六章：總結(jié)了本文的研究內(nèi)容、實驗成果及研究工作中的不足，并對本文??研究方向的進一步發(fā)展做出展望。??論文的組織結(jié)構(gòu)如圖１．４所示：??／＊?、??第一Ｓ緒論??＇第二Ｓｔ導(dǎo)矻荃礎(chǔ)＇????ｌｉｆｅ????１?的目枯噲測箄法?１?ｉｍ．１??第五章三綰裯密地圖構(gòu)建??第六章總結(jié)與展望??圖１．４論文結(jié)構(gòu)框圖??９??

浙江大學碩士學位論文?視覺導(dǎo)航基礎(chǔ)理論??如圖２．８所示，本文使用７ｘ８的棋盤格，采用ｍａｔｌａｂ標定箱工具對雙目相機??進行標定，標定結(jié)果如圖２．９所示。??繼??圖２．８標定用棋盤格??１０００??２００?＼?１００??Ｚ（＿?Ｘ〇〇〇??Ｘ?（ｍｍ）??圖２．９雙目相機標定結(jié)果??２．２目標檢測與定位??２．２．１目標檢測評估概念??２．２．１．１?ｍＡＰ?（ｍｅａｎ?ａｖｅｒａｇｅ?ｐｒｅｃｉｓｉｏｎ）??目標檢測模型預(yù)測類別時，根據(jù)ｒｅｃａｌｌ和ｐｒｅｃｉｓｉｏｎ繪制特定曲線，ＡＰ即是??該曲線下的面積，而ｍＡＰ是多個預(yù)測類別ＡＰ的平均值，該值介于０到丨之間，??越接近１表示預(yù)測的越準確。??２．２．１．２?ＩＯＵ??如圖２．１０所示，實線矩形框把整架飛機都包含進去，是人工標注的物體位??置框的真值，虛線框是目標檢測模型在預(yù)測時給出的預(yù)測結(jié)果，僅包含了飛機的??主體部分。１０Ｕ就是表示預(yù)測框和真值框之間差異的指標。??１５??

【參考文獻】：
期刊論文
[1]基于四元數(shù)法的捷聯(lián)式慣性導(dǎo)航系統(tǒng)的姿態(tài)解算[J]. 張榮輝,賈宏光,陳濤,張躍.  光學精密工程. 2008(10)



本文編號：2916326