原文服务方: 西安交通大学学报       
摘要:
针对现有基于无线通信的无人机蜂群协同控制在电磁拒止环境下无法使用的不足,提出了一种仅利用机载视觉传感器进行无人机编队的端到端控制算法.对经典YOLOv3目标检测识别网络进行了神经网络剪枝,使之适应于嵌入式系统.采用剪枝后的深度神经网络设计了无人机视觉跟随控制算法,利用深度神经网络提取目标无人机的边界框,计算该边界框与期望边界框之间的坐标误差与尺寸误差,并以坐标误差信号作为偏航角控制的反馈输入,以尺寸误差信号作为速度控制的反馈输入,控制协同无人机完成对目标无人机的跟随.与基于无线电的领航跟随算法进行了仿真对比,结果表明,采用视觉跟随的无人机跟随控制在通信干扰、全球定位系统拒止等某些特定环境下具有更好的控制性能优势.利用两架bebop2无人机进行了实测实验,结果表明:所提算法可以在2 s内实现对目标无人机的状态跟随,速度控制稳态误差在5%以内,偏航角控制稳态误差在3%以内,具有良好的应用前景.
推荐文章
无人机蜂群技术发展研究
无人机蜂群
蜂群控制
网络通信
任务分配
航迹规划
无人机蜂群作战综合探究
无人机
蜂群作战
军事应用
基于PID神经网络的无人机三维航迹控制方法研究
三维导航
高度航迹控制
航程推算法
PID神经网络
神经网络直接逆控制在无人机飞控系统中的应用研究
无人机
神经网络
直接逆控制
故障
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 采用深度神经网络的无人机蜂群视觉协同控制算法
来源期刊 西安交通大学学报 学科
关键词 无人机编队 端到端控制 目标检测识别 神经网络剪枝 视觉跟随控制
年,卷(期) 2020,(9) 所属期刊栏目
研究方向 页码范围 173-179,196
页数 8页 分类号 TP29
字数 语种 中文
DOI 10.7652/xjtuxb202009020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 卢虎 69 219 8.0 12.0
2 闵欢 3 1 1.0 1.0
3 史浩东 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (6)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(3)
  • 参考文献(1)
  • 二级参考文献(2)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
无人机编队
端到端控制
目标检测识别
神经网络剪枝
视觉跟随控制
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西安交通大学学报
月刊
0253-987X
61-1069/T
大16开
1960-01-01
chi
出版文献量(篇)
7020
总下载数(次)
0
总被引数(次)
81310
论文1v1指导