現(xiàn)如今,旋翼無人機廣泛應用于社會生活的不同領域,例如航拍,植保、探測、偵查等。避障是無人機飛行的一個研究重點,其主要通過采取不同的傳感器檢測其周圍環(huán)境中的障礙物,并采取一定的避讓措施,保證無人機的飛行安全。深度學習是如今科學技術領域最熱門的話題之一,基于深度學習理論的研究也層出不窮,本文主要研究基于協(xié)同學原理構建的深度協(xié)同神經網絡,相對于傳統(tǒng)的協(xié)同神經網絡性能有了很大提升,相比目前熱門的深度神經網絡,網絡模型更小,識別速度更快。并提出適用于該網絡的檢測與識別方法,將其應用于無人機避障系統(tǒng)的設計,實現(xiàn)無人機對周圍環(huán)境的認知、障礙物避讓,保障無人機飛行的安全。首先,本文介紹了協(xié)同學理論的基本思想和關鍵概念。接著介紹了基于協(xié)同學理論的的神經網絡模型:協(xié)同神經網絡。闡述了協(xié)同神經網絡的數學模型、結構模型和運行流程,詳盡的說明了協(xié)同學和協(xié)同神經網絡的各項特性。并以協(xié)同學原理和傳統(tǒng)深度神經網絡的模型結構為基礎結合PCA算法,構建深度協(xié)同神經網絡,并詳細描述了深度協(xié)同神經網絡的模型結構、運行過程和算法步驟。為后續(xù)研究適用于深度協(xié)同神經網絡的檢測與識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】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：73 頁

【學位級別】：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 相關研究的國內外狀態(tài)
        1.2.1 協(xié)同神經網絡研究現(xiàn)狀
        1.2.2 基于深度學習的檢測與識別算法研究現(xiàn)狀
        1.2.3 無人機避障算法研究現(xiàn)狀
    1.3 本文的主要貢獻與創(chuàng)新
    1.4 本論文的結構安排
第二章 協(xié)同學與協(xié)同識別理論
    2.1 協(xié)同學
        2.1.1 協(xié)同學的基本思想
        2.1.2 協(xié)同學的關鍵概念
    2.2 協(xié)同神經網絡
        2.2.1 協(xié)同神經網絡的數學模型
        2.2.2 協(xié)同神經網絡的結構
        2.2.3 協(xié)同神經網絡的運行過程
    2.3 基于PCA特征的深度協(xié)同神經網絡
        2.3.1 PCA特征提取
        2.3.2 深度協(xié)同神經網絡的模型結構
        2.3.3 深度協(xié)同神經網絡的運行過程
    2.4 本章總結
第三章 無人機避障檢測識別算法
    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網絡
        3.2.1 卷積神經網絡模型
        3.2.2 基于區(qū)域提名的CNN檢測算法
    3.3 無需區(qū)域提名的目標檢測算法
        3.3.1 YOLO檢測算法
        3.3.2 SSD檢測算法
    3.4 基于深度協(xié)同識別的無人機檢測識別算法
    3.5 本章總結
第四章 無人機避障系統(tǒng)設計與實現(xiàn)
    4.1 系統(tǒng)總體框架
    4.2 障礙物數據集的制作以及樣本預處理
    4.3 障礙物檢測與識別
    4.4 無人機避障實現(xiàn)
        4.4.1 無人機地面站的建立
        4.4.2 傳統(tǒng)無人機避障方法
        4.4.3 避障功能介紹
        4.4.4 避障測試
    4.5 本章總結
第五章 總結與展望
    5.1 總結
    5.2 后續(xù)展望
致謝
參考文獻
攻讀碩士學位期間取得的研究成果



本文編號：3347100