基于YOLOv4与KCF的无人机飞行障碍精准识别与实时跟踪研究

低空飞行的无人机,时常面临飞机、鸟类、行人、汽车、交通灯等障碍物的碰撞威胁。如何准确地检测出这些飞行障碍,并在规划飞行路径(RoutePlan)时躲避它们,已经成为无人机研究领域中的一个重要课题。近年来,基于深度学习(DeepLearning)的图像识别技术(ImageRecognition)在生物特征识别、物体分类等领域展现了强大的分类检测效能,这也为无人机飞行障碍检测提供了可能的解决思路及其实现途径。本文专注于无人机飞行障碍的检测与跟踪(DetectandTrack)环节,基于YOLOv4目标检测与KCF目标跟踪,对低空常见的典型障碍物进行精准识别与实时跟踪(PreciseRecognitionandReal-timeTracking);探索了高准确率的YOLOv4目标检测(ObjectDetection)与高运行效率的KCF目标跟踪(ObjectTracking)之间的最佳平衡点,从而兼顾了无人机障碍物检测的准确率与实时性,具有较强的理论探索意义和工程应用价值。

几种适合飞行障碍物测量工程实施方法探讨

针对飞行中对障碍物坐标、高度的保障要求,论文对当前传统光学边角测量、GNSS测量等工程实施方法的优缺点进行汇总,并为解决测量速度慢、效率低、无法实现快速更新等问题,对常用几种遥感测量方法进行探讨,分析出最适合飞行障碍物测量工程的组合方法。

一种DSM模型下飞行障碍物尺度的研究

在一种数字表面模型(DSM)建模方法的基础上,对威胁飞行器低空飞行安全的独立障碍物的尺度与DSM纵横断面采样间距的关系进行了分析,给出了独立障碍物的定义、分类和确定独立障碍物的方法。通过对7.2km2一典型城市地域的仿真试验表明,DSM纵横断面间距在3～25m之间,威胁飞行器地形跟踪制导安全的孤立障碍物较少,同时装订并实时处理的DSM模型数据量也较小,并在纵横断面间距12.5m处达到两者最优。

飞行员疗养期间突发双相情感障碍一例报告

1病例报告患者，男，27岁，系某陆航飞行员。2010年冬季随部队一起集体入院健康疗养并进行大体检。入院当天内科查体认为该疗养员一般状况良好，皮肤、巩膜无黄染，浅表淋巴结未触及，颈软无抵抗，气管居中，甲状腺无肿大。

飞行空间定向障碍发生机制研究进展与展望

目的综述飞行空间定向障碍发生机制的研究进展并对其进行展望。资料来源与选择国内外该领域相关文献。资料引用国内外公开出版发表的相关书籍文献41篇。资料综合飞行空间定向障碍发生率高、对飞行安全威胁大, 且与神经中枢密切相关, 对飞行空间定向障碍发生机制及神经中枢机制的研究尤为必要。由于生理状态下空间认知的研究进展缓慢, 所以飞行空间定向障碍机制的早期研究大都停留在宏观层面。随着近年来神经科学和脑科学的飞速发展, 揭示了海马、内嗅皮层及边缘系统在生理状态下构建空间认知地图的部分机制, 为开展飞行空间定向障碍中枢机制的研究提供了条件和基础。结论研究飞行空间定向障碍发生机制, 可以为其预警和预防提供新的有针对性的干预靶点, 对有效降低飞行空间定向障碍的发生率以及导致的事故率具有重要的军事意义。

光电子技术

Y98-61360-343 9905717探测电力线的红外图像的分析=Analysis of the in-frared images to detect power lines[会,英]/Yamamoto,K.& Yamada,K.//1997 IEEE Region 10 AnnualConference on Speech and Image Technologies for Com-puting and Telecommunications,Vol.1.—343～346(HG)本文提出了由红外(IR)摄像机和彩色电视摄像机构成的图像传感器系统,探测和识别飞行障碍物的电力线,而包括障碍物的图像由传感器系统采集。