基于Transformer模块和CNN的无人机避障方法研究

针对传统CNN避障方法无法获得全局感受野、图像特征提取计算量大的问题,以四旋翼无人机为研究对象,提出一种基于Swin Transformer模块改进CNN模型的无人机避障方法。首先,使用Swin Transformer代替CNN模型中的Conv2D层,进行全局信息特征提取;然后,构建3个残差结构相连的Swin Transformer网络,输出无人机在当前飞行环境下的转向预测和碰撞预测;最后,设计无人机多姿态映射控制系统,输出无人机避障控制指令。实验结果表明,所提方法碰撞预测平均准确率为96.8%,转向预测均方根误差(RMSE)为0.068,满足了无人机自主避障的要求。

基于改进YOLOv5s的四旋翼自主降落标识检测算法

无人机自主降落是无人机领域研究的热点之一,导航信息在自主降落过程中又起到至关重要的作用,而视觉导航相较于传统导航方式可以提供更多环境信息,有利于提高无人机着陆安全性;当无人机飞行高度越高,机载相机捕获到的降落标识物就越小,为了提升无人机识别标识物的能力,基于YOLOv5s算法提出了一种改进的无人机实时小目标检测算法;首先,为了检测到更小尺度的目标在原算法基础上新增一个检测头;然后采用BiFPN代替原先PANet结构,提升不同尺度的检测效果;最后将EIoU Loss替换CIoU Loss作为算法的损失函数,在提高边界框回归速率的同时提高模型整体性能;将改进算法应用于无人机自主降落场景下的二维码降落标识检测,实验结果表明改进后的算法在小目标检测中相比于原始YOLOv5s算法的特征提取能力更强、检测精度更高,证明了改进算法的优越性。

突防飞行与多区域搜索一体化侦察航迹规划

针对战场环境下无人机的侦察路径规划问题,首先设计突防飞行与多目标区域搜索的一体化侦察航迹规划策略。然后针对侦察任务中的突防问题,在传统快速扩展随机树(RRT)的改进算法基础上,提出一种基于改进RRT*的无人机突防航迹规划方法,通过设计目标偏置算法解决了传统RRT算法采样点随机性大、收敛速度慢等问题。针对侦察任务中的目标搜索问题,使用改进的旋转卡壳路径规划器(RCPP)进行覆盖式航迹规划,提高了搜索覆盖率。最终通过对比仿真试验,验证了所提出算法的优越性,以及算法应用于战场侦察任务的有效性。

基于粒子群优化自组织行为的无人机集群对抗算法

针对多无人机对抗过程中搜索和攻击目标的行为,提出了基于优化自组织行为的无人机集群对抗算法。首先,设计无人机运动的行为规则与逻辑,通过对其进行加权求和及矢量标准化得到加速度,送入集群对抗系统中;然后,使用粒子群优化方法(PSO)对各个行为规则的权重及相应的特定百分比值进行优化;最后,通过与采用SAC规则进行运动控制的无人机集群进行对比对抗仿真,验证该算法的有效性。仿真结果表明,所设计的算法可提升无人机集群飞行的一致性,同时提高无人机的生存概率与打击效果。