针对电力线巡检中的安全距离问题,提出了基于数据融合的电力巡线无人机安全距离确认的算法,将数据应用到无人机安全距离确认过程,以提升其安全距离确认效率。考虑到无人机机载嵌入板的算力冗余,该算法使用7层神经网络模块进行数据融合,在传统逻辑算法的基础上融入了基于机器学习的人工智能功能,提升了无人机避障能力。仿真结果表明,该算法较大程度缩小了传统算法下无人机安全距离保护区的范围,使无人机安全距离平均缩小3.5 m,缩小比例为9.8%,为无人机作业空间提供了一定数据支持。

智能车间无人机巡检路径规划是一种典型的室内无人机路径规划技术,通过无人机对车间各工作区域进行智能巡检来解决部分在工作区域发生的问题或者对发生的问题进行及时反馈。针对路径规划这一问题,以巡检路径最短为目标提出一种改进的混合粒子群算法,该算法将粒子群算法和遗传算法进行结合,通过对遗传算法进行结构优化以及寻找粒子群算法的最优参数组合,使之更易收敛于最短路径。仿真实验证明,相较于传统的粒子群算法,优化后的混合粒子群算法收敛能力得到了很大的提升。最终的模拟实验验证了该算法的可行性。

针对传统方法在识别无人机巡检图像边缘信息时存在效果差、性能低的问题,设计了变电站无人机巡检图像边缘识别方法。在计算无人机巡检图像灰度值相似度并重构图像像素灰度值的基础上,首先通过分割图像非边缘点和弱边缘对图像边缘区域进行检测,然后利用卷积网络获得图像的边缘信息,在归一化处理的基础上识别边缘信息。实验结果表明,该方法识别边缘信息时的离散系数为15~20、优质系数始终大于17,表明该方法不仅可以通过提高离散系数值保证图像边缘识别效果,还可以通过提高优质系数值提高识别图像边缘的性能。

像控点布设精度是直接影响无人机倾斜摄影测量结果的重要因素之一,为此提出无人机倾斜摄影测量像控点布设精度控制方法。利用无人机搭载CCD相机采集测量区域图像后,首先对其正向和切向畸变进行校正;然后以校正后的图像为基础,利用Inpho软件对测量像控点自动布设;再自动匹配刺点范围,Inpho软件自动标注无人机倾斜摄影像控点,实现无人机倾斜摄影测量像控点布设精度控制。实验结果表明该方法可有效校正无人机倾斜摄影图像正向和切向畸变,有效控制测量像控点密度,且像控点布设精度较高。

基于无人机倾斜摄影测绘获得的多视点图像具有高重叠、多角度的特点,提出了一种改进的无人机多片前方交会倾斜立体测绘方案。自动选择多幅底高较好的图像对,在多幅图像中找到具有相同像点的同一地物进行立体测绘,从而提高整体测绘精度。以某区域247幅无人机倾斜摄影图像为例,对所提方法进行仿真验证。结果表明,所提方法平均达标率为55.39%,平均精度为0.0436 m。与传统方法相比,达标率提高了18.1%,平均精度提高了0.0777 m。

为了解决现实生活中室外露天停车场遇到比较大的车流量时,人们因不知道停车场中空余车位的位置信息而给停车场管理工作带来的困难。做了如下创新性研究,利用无人机俯拍停车场,同时将视频图像传至电脑,通过图像处理得到停车位在图像中的相对位置坐标。然后利用得到的相对位置坐标和基于迁移学习的VGG-16网络,完成对停车场中停车位状态的检测,并且能够实时输出空余车位对应的编号使工作人员能够知道空余车位的具体位置。这样就方便工作人员对停车场的管理,可以提高停车场的运行效率。

针对无人机的各精密零部件的生产、检测工艺的要求,文中介绍了无人机垂直起降关键零部件离心叶轮的检测技术,为离心叶轮在检测中遇到的技术难题给出一种新型解决方案。

综合考虑了嵌入式软件的特点，将遗传算法应用于搜索全面覆盖软件特殊路径的测试用例生成的问题，合理构建了嵌入式软件测试用例自动生成系统，给出了系统流程图，改进了部分算子，使搜索效果得以加强，并分析了交叉率、变异率等参数的取值范围，通过改变不同的参数值得到对比图，以确定适合该系统的最佳参数值，并针对实际汇编语言编写的嵌入式软件指定路径进行仿真测试，从理论和实践上证明了该思路的正确性和可行性。

由于现有无人机协同航迹规划主要局限于固定目标,提出了一种面向地面运动目标的无人机协同航迹规划方法.给出面向地面运动目标的无人机协同航迹规划总体方案;采用按时间推进的自规划与同步规划交替进行的协同规划机制,满足协同信息交互存在时间间隔的约束;在规划中将无人机运动与地面目标运动结合并构造适合于地面运动目标的启发函数,利用启发式搜索算法快速生成航迹段;采用分布计算协同变量的方法降低了协同计算量.仿真结果表明该方法可以使无人机通过信息交互和自主分布计算快速生成面向地面运动目标的三维协同航迹,且满足规划的实时性要求.

以无人机视觉定位与避障系统为研究对象,利用单目视觉定位与红外线传感器相结合的方式,准确识别障碍物,然后利用RGB模型进行图像处理,将图像二次分割,得到图像的轮廓曲线边缘,结合红外测距的数据结果,确定障碍物的位姿等信息。建立碰撞圆锥模型,实现无人机以特征点为圆心、危险距离为半径的绕行路线,实现避障。实验证明,AABB视界区碰撞模型能精确判断无人机飞行路径中的避障,提高无人机飞行效率。