基于图像匹配的无人机飞行质量评估方法

我国对低空高分辨率遥感数据的客观需求促成了无人机遥感的发展,无人机飞行质量的评估是航空摄影测量的重要步骤之一。本文通过利用GPU加速SIFT算法进行无人机影像匹配,使用RANSAC剔除粗匹配点,根据匹配参数计算影像旋转角、轨迹重叠度、航向重叠度、旁向重叠度、航带弯曲度,对无人机飞行质量进行评估,并建立了一套完整的无人机飞行质量评估系统。

基于飞行基本动作对复杂动作识别方法研究

飞行动作识别是飞行训练质量评估的关键。针对传统方法识别动作存在的弊端,提出了一种基于平飞、上升、下滑、转弯、横滚这五个基本动作对复杂动作识别方法的研究。在深入分析了飞行教范中复杂动作参数变化特征后,结合领域专家先验知识,重点讨论了基本动作参数变化范围、复杂动作空间组合情况及其参数累加变化量,建立了飞行动作识别知识库。并用某型无人机飞行任务数据进行了仿真实验,仿真结果表明该方法对复杂动作识别快速,准确率高。

基于CART决策树算法的飞行动作识别研究

如何借助机器学习算法实现飞行动作的自动化识别是当前飞行训练领域的一个研究热点。首先针对飞行动作识别问题,定义基本飞行动作特征参数,构建飞行动作识别流程;然后设计了基于特征参数CART决策树的飞行动作识别算法;最后给出了该动作识别算法的Python语言实现。实验结果表明,该飞行动作识别模型具有识别精度高,泛化能力好等特点,为飞行质量评估奠定了良好基础。