現(xiàn)如今,旋翼無人機(jī)廣泛應(yīng)用于社會(huì)生活的不同領(lǐng)域,例如航拍,植保、探測(cè)、偵查等。避障是無人機(jī)飛行的一個(gè)研究重點(diǎn),其主要通過采取不同的傳感器檢測(cè)其周圍環(huán)境中的障礙物,并采取一定的避讓措施,保證無人機(jī)的飛行安全。深度學(xué)習(xí)是如今科學(xué)技術(shù)領(lǐng)域最熱門的話題之一,基于深度學(xué)習(xí)理論的研究也層出不窮,本文主要研究基于協(xié)同學(xué)原理構(gòu)建的深度協(xié)同神經(jīng)網(wǎng)絡(luò),相對(duì)于傳統(tǒng)的協(xié)同神經(jīng)網(wǎng)絡(luò)性能有了很大提升,相比目前熱門的深度神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)模型更小,識(shí)別速度更快。并提出適用于該網(wǎng)絡(luò)的檢測(cè)與識(shí)別方法,將其應(yīng)用于無人機(jī)避障系統(tǒng)的設(shè)計(jì),實(shí)現(xiàn)無人機(jī)對(duì)周圍環(huán)境的認(rèn)知、障礙物避讓,保障無人機(jī)飛行的安全。首先,本文介紹了協(xié)同學(xué)理論的基本思想和關(guān)鍵概念。接著介紹了基于協(xié)同學(xué)理論的的神經(jīng)網(wǎng)絡(luò)模型:協(xié)同神經(jīng)網(wǎng)絡(luò)。闡述了協(xié)同神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型、結(jié)構(gòu)模型和運(yùn)行流程,詳盡的說明了協(xié)同學(xué)和協(xié)同神經(jīng)網(wǎng)絡(luò)的各項(xiàng)特性。并以協(xié)同學(xué)原理和傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)為基礎(chǔ)結(jié)合PCA算法,構(gòu)建深度協(xié)同神經(jīng)網(wǎng)絡(luò),并詳細(xì)描述了深度協(xié)同神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)、運(yùn)行過程和算法步驟。為后續(xù)研究適用于深度協(xié)同神經(jīng)網(wǎng)絡(luò)的檢測(cè)與識(shí)別算法提供了充分的理論支持。其次,本文分析了傳統(tǒng)的滑... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 相關(guān)研究的國(guó)內(nèi)外狀態(tài)
        1.2.1 協(xié)同神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀
        1.2.2 基于深度學(xué)習(xí)的檢測(cè)與識(shí)別算法研究現(xiàn)狀
        1.2.3 無人機(jī)避障算法研究現(xiàn)狀
    1.3 本文的主要貢獻(xiàn)與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 協(xié)同學(xué)與協(xié)同識(shí)別理論
    2.1 協(xié)同學(xué)
        2.1.1 協(xié)同學(xué)的基本思想
        2.1.2 協(xié)同學(xué)的關(guān)鍵概念
    2.2 協(xié)同神經(jīng)網(wǎng)絡(luò)
        2.2.1 協(xié)同神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型
        2.2.2 協(xié)同神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        2.2.3 協(xié)同神經(jīng)網(wǎng)絡(luò)的運(yùn)行過程
    2.3 基于PCA特征的深度協(xié)同神經(jīng)網(wǎng)絡(luò)
        2.3.1 PCA特征提取
        2.3.2 深度協(xié)同神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)
        2.3.3 深度協(xié)同神經(jīng)網(wǎng)絡(luò)的運(yùn)行過程
    2.4 本章總結(jié)
第三章 無人機(jī)避障檢測(cè)識(shí)別算法
    3.1 基于金字塔采樣的滑窗掃描方法
    3.2 基于區(qū)域提名的的卷積神經(jīng)網(wǎng)絡(luò)
        3.2.1 卷積神經(jīng)網(wǎng)絡(luò)模型
        3.2.2 基于區(qū)域提名的CNN檢測(cè)算法
    3.3 無需區(qū)域提名的目標(biāo)檢測(cè)算法
        3.3.1 YOLO檢測(cè)算法
        3.3.2 SSD檢測(cè)算法
    3.4 基于深度協(xié)同識(shí)別的無人機(jī)檢測(cè)識(shí)別算法
    3.5 本章總結(jié)
第四章 無人機(jī)避障系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    4.1 系統(tǒng)總體框架
    4.2 障礙物數(shù)據(jù)集的制作以及樣本預(yù)處理
    4.3 障礙物檢測(cè)與識(shí)別
    4.4 無人機(jī)避障實(shí)現(xiàn)
        4.4.1 無人機(jī)地面站的建立
        4.4.2 傳統(tǒng)無人機(jī)避障方法
        4.4.3 避障功能介紹
        4.4.4 避障測(cè)試
    4.5 本章總結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 后續(xù)展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果



本文編號(hào)：3347100