复杂环境下无人机集群运动一致性的群体熵度量

针对无人机集群在多障碍物或空间受限等复杂环境中协同飞行时无法实现群体自主的协同演化及适应环境、态势的变化,导致整个群体运动产生振荡、失控等一致性差的问题,提出一种无人机集群运动一致性的群体熵度量理论。通过建立群体运动行为稳定程度的熵度量函数,作为个体之间协同运动的适应度值指标,实现复杂环境下无人机集群运动一致性的自适应调节。最后进行仿真实验,相比传统无人机集群算法,引入群体熵度量的无人机运动集聚收敛速度提高30%,复杂环境中集群运动的熵值波动范围下降21.8%,有效证明群体熵度量对于无人机集群运动一致性的提高。

基于脑机接口与人机闭环的远程脑控无人机系统

随着现代军事战争的迅速演变,远程脑控无人机在实现战场信息获取、目标监视和战术部署方面扮演着愈发重要的角色。提出一种应用于远程脑控无人机的压缩感知控制范式和人机闭环控制算法,基于该控制范式及控制算法搭建面向军事应用场景的远程脑控无人机系统。在线实验结果表明:8名被试人员通过该脑控无人机系统进行导航任务,平均任务完成率为0.95,平均任务完成时间为100.46 s,显著优于基于人机开环控制算法的脑控无人机系统;新提出的脑控无人机系统可以应用于军事场景下的战场侦察,大幅度提高作战人员的无人机远程控制能力,拓展作战人员的战场感知范围。

面向外辐射源雷达发射站定位的合作无人机航迹规划方法研究

在广域未知环境中,外辐射源雷达机动部署常面临难以及时获取第三方发射站精确位置信息的难题。为此,该文提出一种基于合作无人机航迹规划的发射站定位方法。首先,利用单个无人机作为合作目标,建立2维场景下的定位模型和量测方程,并采用列文伯格-马夸尔特(Levenberg-Marquardt, LM)算法进行解算。然后,构建融合Fisher信息和控制参数约束的优化函数,对无人机航迹进行动态规划,从而提高发射站定位的精度和方法的实用性。最后,仿真实验表明,在最大控制距离约束下,所提方法的定位结果优于直线航迹和经典优化航迹,最终发射站定位精度小于双基距离差量测标准差,能够满足外辐射源雷达系统目标探测定位的应用要求。

低空空域无人机运行安全保障技术研究综述

低空空域飞行活动日趋频繁,无人机类型多样且性能差异较大,飞行过程中易与建筑物或其他航空器发生飞行冲突。为实现低空空域的规范化、安全化、精细化和智慧化管控,需不断提升保障无人机运行安全的技术手段,例如冲突风险探测、安全风险评估等。文章从无人机的轨迹预测与意图识别、低空空域飞行冲突探测、低空空域风险评估及预警告警等3方面进行了研究。首先,总结了在无人机轨迹预测和意图识别方面的研究成果和面临的问题挑战;其次,基于低空空域冲突探测形式,分析不同探测方法的优缺点;随后,围绕低空空域风险评估及预警告警技术,分析当前研究需要解决的核心问题;最后,对无人机冲突探测和风险评估技术等方面进行了展望。

一种面向多任务的无人机辅助的通信网络资源分配与轨迹优化研究

装载各种有效荷载的无人机(UAV)能够实现传感、通信和计算等多任务,因而常被部署到数据采集(DA)和辅助计算等领域。但是到目前为止,绝大多数研究仅专注于单一功能的无人机辅助的通信网络资源分配与轨迹优化,对于面向多任务的资源分配和轨迹优化问题还未解决。为此,该文提出一种综合考虑无人机数据采集、数据广播以及计算任务卸载的无人机辅助的通信网络资源优化的分配策略,旨在通过联合优化传输占空比、用户发射功率与无人机轨迹,在满足目标位置采集数据实时广播的前提下,最大化用户卸载量。为了解决多变量耦合优化问题,提出了基于块坐标下降(BCD)和连续凸逼近(SCA)的高效迭代优化算法,将耦合优化问题分解为3个子问题进行迭代优化。最后,大量仿真结果表明,该算法在公平性和总卸载计算量方面都优于其他测试方案。

考虑信息年龄的无人机辅助智能交通系统计算卸载优化

该文考虑无人机(UAV)交通监测与移动边缘计算(MEC)技术结合的智能交通系统。为了保障系统中数据时效性并且降低系统能耗,提出计及信息年龄(AoI)的UAV计算卸载优化方法。首先,建立UAV辅助的MEC系统模型,允许MEC服务器缓存常用的应用程序并为UAV提供计算卸载,以支持UAV执行交通监测任务。通过联合优化UAV任务卸载决策、UAV上下行通信带宽分配以及被卸载任务的计算资源分配,最小化所有UAV与MEC服务器的总能耗,同时满足AoI与资源容量等约束条件。其次,系统能耗最小化问题是混合整数非凸优化问题,因此采用离散化和线性化手段,快速获得问题的近似最优解,并设计离散点生成算法来调节近似误差。最后,仿真结果表明,即使对于大型的非凸问题,所提方法也能够快速得到近似最优解,并且可以在不同的任务场景中满足AoI等约束条件,最大限度降低系统能耗。仿真结果验证了所提方法的有效性。

单旋翼无人机植保作业系统的研制与实验研究

为了提高植保无人机的工作效率,降低无人机的操作难度,研制了单旋翼无人机植保作业系统。根据植保作业流程,单旋翼无人机植保作业系统实现启动、预热、起飞、飞行、喷洒作业、加药和返航等全过程无人工干预的自动飞行作业。单旋翼无人机植保控制系统包括作业平台、飞行控制、数据链路、地面站系统、系统应用、飞行器管理、用户信息管理、专业知识管理、大数据业务,实现了喷洒区域的精准控制,地面站系统与飞行系统的控制与交互,植保信息的存贮与分析等。通过实验研究表明:单旋翼无人机植保作业系统有效提高了植保工作效率,降低了飞行操作人员的操作难度。

MFE-YOLOX:无人机航拍下密集小目标检测算法

针对无人机航拍时物体尺度变化大,检测目标大多较小且物体较密集的问题,提出一种混合特征增强结构(mix feature enhancement, MFE)方法。通过在超分辨率方法中加入注意力机制以增强小目标信息提取,利用一种新的特征层融合计算方法,加强不同特征层间的融合效率,提高了中小型目标的检测精度;设计了尾端感受野扩大层以扩大尾端特征层感受野,使检测头可接收丰富的物体信息来定位并区分密集物体。实验在数据集VisDrone2021的测试集上进行测试,MFE-YOLOX网络的AP50结果为47.78%,在参数量、计算量与原网络相近的情况下精度提高了9.43个百分点。

无人机倾斜摄影测量在采空塌陷区生态综合治理中的应用

针对郭家湾煤矿51101工作面采空塌陷区生态综合治理问题,利用无人机搭载五镜头倾斜相机获取航摄影像,经过内业处理、三维建模获得实景三维模型。通过对像控点和三维模型精度分析,证明无人机倾斜摄影测量完全满足煤矿治理大比例尺地形图测图要求。依托实景三维模型和生成的高精度DLG数据成果,可帮助设计人员准确高效地提出相应采空塌陷区生态治理方式,大大提高了塌陷治理以及土地复垦工作的针对性和工作效率,为后期项目验收提供了准确可信的技术支撑和成果验证,最终有效解决了治理区地表变形和生态破坏问题。

复杂城市低空无人机安全风险评估与三维路径规划

针对复杂城市环境内低空无人机飞行安全与效率亟待提升的问题,提出了复杂城市低空无人机安全风险评估与三维路径规划方法。首先,设计了无人机越界冲突率、缓冲空域占比指标,建立了无人机地理围栏安全缓冲间距优化模型,对最佳缓冲间距和栅格粒度进行了标定;然后,构建了由人口密度层、遮蔽层和障碍层构成的无人机风险地图,建立了弹道下降和失控滑行两种模式下的无人机对地风险评估模型,生成了精细化、组合化的城市低空概率风险地图;最后,综合利用地理围栏、概率风险地图和跳点搜索算法,对无人机三维路径进行了初始规划和优化重构。结果表明:弹道下降模式的伤亡风险是失控滑行下降模式的5~75倍;与A*算法相比,跳点搜索算法有效减少了飞行路径的转弯数量,缩短了求解时长,更适合规划无人机飞行路径;与不采用风险地图的方法相比,基于风险地图的无人机路径规划减少了50%的较高风险节点,相应的路径长度仅增加了7.2%和11.4%,整体路径节点的伤亡风险明显降低。研究成果可为复杂城市低空无人机飞行计划制定及安全运行监管提供理论依据和方法支撑。

无人机多光谱影像的小麦倒伏信息多特征融合检测研究

为探究多特征融合方法在作物倒伏领域快速精准识别中的适用性,利用无人机获取多田块冠层尺度的不同倒伏率麦田多光谱数据,对原始倒伏图像进行图像拼接、辐射校正、几何校正等预处理,并利用重归一化差值植被指数和阴影指数分别剔除土壤和阴影背景,提取小麦倒伏DSM模型和植被指数分别与多光谱图像进行多特征图像主成分变换融合,筛选差异性较大的纹理特征,采用支持向量机(SVM)、人工神经网络(ANN)和最大似然法(MLC)监督分类模型对多光谱和DSM融合图像、多光谱和归一化植被指数(NDVI)融合图像、多光谱图像和纹理特征图像进行监督分类,并采用总体精度(OA)、 Kappa系数和提取误差综合评价各监督模型的分类性能和倒伏提取精度。分类结果表明:各监督分类方法在不同倒伏区域提取结果建模效果趋势一致,SVM和ANN整体提取精度高于MLC,在高倒伏区域,多光谱与NDVI融合图像的SVM监督模型(OA:92.63%, Kappa系数:0.85,提取误差:1.11%)提取效果最好;在中倒伏区域,多光谱与DSM融合图像的SVM监督模型(OA:90.35%, Kappa系数:0.79,提取误差:9.34%)提取效果最好;在低倒伏区域,均值纹理特征图像的ANN监督模型(OA:91.05%, Kappa系数:0.82,提取误差:8.20%)提取结果较好。本研究将DSM模型、植被指数、纹理特征与多光谱图像进行融合对比,并对多特征融合方法能否高精度有效提取小麦倒伏信息进行了探究,结果表明无人机多光谱遥感结合特征融合技术能有效提取小麦倒伏面积,提取效果优于单特征小麦倒伏图像。本研究结果可为助力小麦倒伏灾情调查数据的精确获取方法提供参考。

引入轻量级Transformer的无人机视觉跟踪

随着无人机在军事和民用领域的广泛运用,对于高精度、低功耗智能无人机跟踪系统的需求日益增加。针对目标跟踪算法在无人机跟踪场景下很难平衡跟踪精度和跟踪速度的问题,提出一种引入轻量级Transformer的孪生网络无人机目标跟踪算法SiamLT。使用Transformer对AlexNet网络进行改进,在增加最小计算量的情况下捕获全局特征信息。在目标模板与搜索区域匹配方面,联合Transformer和深度互相关运算提出一种二元相关模块,同时捕获目标模板与搜索区域之间的局部相关性和全局依赖关系。在分类回归网络中引入距离交并比,并采用多监督策略训练网络,以获取更准确的目标位置。在UAV123和UAV20L跟踪基准上的实验结果表明,SiamLT算法优于主流的目标跟踪算法,更有效地平衡了跟踪精度和跟踪速度。

改进YOLOv8的轻量化无人机目标检测算法

针对无人机目标检测算法计算复杂难以部署,且长尾分布的无人机数据导致检测精度较低的问题,提出了基于改进YOLOv8的轻量化无人机目标检测算法(PC-YOLOv8-n),可均衡网络检测精度与计算量,并对长尾分布数据有一定泛化能力。使用部分卷积层(PConv)替换YOLOv8中的3×3卷积层,对网络进行轻量化处理,解决网络冗余和计算量复杂的问题;融合双通道特征金字塔,增加自上而下的路径,将深层信息与浅层信息进行融合,同层引入轻量化注意力机制,提升网络的特征提取能力;采用均衡焦点损失(EFL)作为类别损失函数,通过均衡尾部类别在网络训练时的梯度权重,增加网络的类别检测能力。实验结果表明,PC-YOLOv8-n在VisDrone2019数据集中具有良好的表现,在mAP50精度上比原始YOLOv8-n算法提高了1.6个百分点,同时模型的参数和计算量分别降低为2.6×10^(6)和7.6 GFLOPs,检测速度达到77.2 FPS。

基于上下文信息与特征细化的无人机小目标检测算法

无人机航拍图像中的目标检测是近年来研究的热点,针对无人机视角下目标小而密集、背景复杂导致检测精度低的问题,提出一种基于上下文信息与特征细化的无人机小目标检测算法。通过上下文特征增强模块,利用多尺度扩张卷积捕获与周围区域像素点的潜在关系,为网络补充上下文信息,并根据不同尺度的特征层自适应生成各层级特征图的输出权重,动态优化特征图表达能力;由于不同特征图细粒度不同,使用特征细化模块来抑制特征融合中冲突信息的干扰,防止小目标特征淹没在冲突信息中;设计了一种带权重的损失函数,加快模型收敛速度,进一步提高小目标检测精度。在VisDrone2021数据集进行大量实验表明,改进后的模型较基准模型mAP50提高8.4个百分点,mAP50:95提高5.9个百分点,FPS为42,有效提高了无人机航拍图像中小目标的检测精度。

基于微型激光雷达的无人机智能化电力线路巡检技术研究

介绍了一种利用激光探测和测距(LiDAR)进行实时电力线检测的算法,并且对微型激光雷达无人机进行电力线路巡检抽象建模。通过使用平面分析法对巡检现场进行距离的比较来分割点云,并提取一组电力线候选点,这些点被拟合到线段上,线段根据它们的共线性质进一步分组比较。该方法可利用图像的共线特性完成特征检验,并在光线条件差以及线路背景复杂的环境下仍可获得较为可靠的巡检结果。案例中电力线路垂直平均误差最大为0.49 m,其他所有直线的估计平均误差都小于0.07 m,水平拟合时,所有平均误差都在0.14 m以内。验证了所提出基于微型激光雷达的无人机技术进行电力线路智能化巡检方法的有效性与可行性。

“岗课赛证”融合育人模式探索与实践——以《无人机技术》为例

为紧跟职业技能人才发展需求,提高人才培养质量,以无人机技术为例,从职业岗位出发,将技能竞赛和证书的考核要求融入教学内容,基于“岗课赛证”四位一体化教学改革,设计了典型工作模块,并从课程设计、教学实施与成效、教学反思与改进方面进行探索与实践,突出虚实结合,强调德技双修,课堂教学采用“三段-八步”模式展开,注重过程考核,实现以赛证促学、促教,教学效果良好,以期能为相关专业课程开展“岗课赛证”教学改革提供参考。

无人机系统安全性综述

近年来,无人机越来越受欢迎,无人机在军事、农业、交通运输、电影、供应链和监控等各个行业都有着巨大的潜力。尽管无人机给人们提供了种种便利,但如今与无人机相关的安全事件却层出不穷。恶意方可能对无人机进行攻击,并利用无人机进行危及生命的活动。因此,世界各国政府已经开始规范无人机的使用。无人机需要一种智能和自动化的防御机制,以确保人类、财产和无人机本身的安全。而无人机操作系统防护是防止入侵攻击的一个重要部分。首先,对无人机结构进行了简要介绍;然后,研究了用于消费和商用无人机的现有操作系统的安全性。最后,调查了无人机操作系统的各种安全问题和可能的解决方案。

基于分数阶滑模控制的无人机轨迹跟踪控制器设计

四旋翼无人机在农业、工业和国防等领域广泛应用,但其复杂的系统特性和对扰动的敏感性使得控制变得困难。首先,考虑分数阶方法具有良好的鲁棒性以及调节灵活性的优点,将整数阶积分滑模面和改进的分数阶指数趋近律相结合,设计出了一种新的分数阶积分滑模控制器。然后,将所设计的分数阶积分滑模控制器应用于四旋翼无人机轨迹跟踪控制问题。仿真结果表明,所提控制器作用下的四旋翼无人机进行轨迹跟踪时响应速度快、无超调,且对外界干扰具有较强的鲁棒性。

基于改进卷积神经网络和射频指纹的无人机检测与识别

针对无人机(UAV)在图像识别时易受环境干扰,而传统信号识别难以准确提取特征且实时性较差的问题,提出一种基于改进卷积神经网络(CNN)和射频(RF)指纹的无人机检测识别方法。首先,使用通用软件无线电外设(USRP)捕获环境中的无线电信号,经过多分辨率分析获取偏差值,检测是否为无人机射频信号;其次,将检测到的无人机射频信号经过小波变换和主成分分析(PCA)处理,获得射频信号频谱,作为神经网络的输入;最后,构建轻量级残差神经网络(LRCNN),输入射频频谱进行网络训练,进行无人机的分类识别。实验结果表明,所提方法可以有效检测并识别无人机信号,平均识别精度可达84%;在信噪比(SNR)大于20 dB时,LRCNN的识别精度达到了88%,相较于支持向量机(SVM)、原始OracleCNN分别提高31和7个百分点,在识别精度和鲁棒性方面比这两种方法均有所提升。

基于无人机技术的露天矿山越界开采监测与评估方法

高效快速评估露天矿山越界开采对开展矿产卫片执法检查和推进严格保护矿产资源策略、推动区域高质量发展具有重要意义。基于无人机飞行技术、传感器技术、通信技术和影像处理技术,结合卫星遥感、地理信息系统应用,采集无人机航测数据与飞控系统数据,快速获取了疑似违法矿山二维场景图像(SIM),动态飞行展示矿区全貌和精细地物;进一步建立了矿山三维数字高程模型(DEM),定性研判违法类型与性质;针对需求建立了矿山的三维数字表面模型(DSM),定量估算违法采矿资源量;利用四维数字表面模型(DSM),查明矿山历史时期的违法过程,测算违法开采的资源量。无人机航测技术实现区域矿产资源开发秩序的快速监测和精细评估,为矿产资源的卫片执法检查工作提供理论支撑和决策依据。在江南某地进行试验的实例表明,基于无人机技术的露天矿山越界开采监测与评估方法技术具有时效性强、操作便捷、精细高效等优势,在支撑服务自然资源领域的卫片执法检查工作方面可以更加广泛地应用。