本文版權為《郵電設計技術》所有，如需轉載請聯(lián)系《郵電設計技術》編輯部
摘 要：目前無人機已在各個領域得到了廣泛的應用�；跓o人機圖像傳感器的動態(tài)目標檢測在理論研究和實際應用中占據(jù)關鍵地位，備受研究人員的關注。深入研究了無人機的工作場景，針對其特殊的運行環(huán)境進行了數(shù)學建模并加以分析。通過簡化場景，提出了一種利用輕量級卷積網(wǎng)絡模型進行圖像識別的方法，在降低計算成本的同時保證對碰撞的準確預測，從而為無人機的飛行過程提供更為可靠的保障。
關鍵詞：低空經(jīng)濟；城市環(huán)境；無人機視覺；圖像識別
doi：10.12045/j.issn.1007-3043.2024.12.013
引言
在現(xiàn)代社會中，無人機的應用范圍正在不斷擴大，涵蓋了從航拍攝影到快遞交付等各個領域。然而，隨著無人機數(shù)量的增加，空中交通的擁擠程度也在不斷上升，飛行器碰撞問題日益突出。飛行器碰撞不僅會導致財產(chǎn)損失，還可能威脅地面人員的安全，對飛行器碰撞進行準確預測成了至關重要的任務。
圖像識別技術在解決這一挑戰(zhàn)性問題的過程中發(fā)揮著重要作用。通過分析來自無人機攝像頭的圖像數(shù)據(jù)，可以識別空中的其他飛行器、障礙物以及環(huán)境的變化。這為飛行器的自動飛行系統(tǒng)提供了關鍵信息，使它們能夠實時做出決策，避免潛在的碰撞。
在以往的工作中，大量的研究人員專注于無人機視覺領域，并取得了卓越的研究成果。例如，ZHANG J等人利用輕量級CNN架構在無人機上實現(xiàn)高精度的運動目標檢測；LI G Q 等人優(yōu)化了輕量級卷積神經(jīng)網(wǎng)絡，使無人機目標檢測速度有了更加明顯的提升；LI T 等人采用空心卷積架構對特征圖像進行重采樣，以此提高了模型的特征提取能力和無人機的目標檢測性能。
以上的研究致力于實現(xiàn)無人機對地面目標的高精度運動檢測，然而，在空中目標檢測方面，過多的計算資源卻未必能夠得到有效的利用。二者主要有以下2個方面的差異。首先，地面目標通常較小且距離較遠，要實現(xiàn)對動態(tài)目標的準確識別，需要進行復雜的前景背景分離預處理操作，同時還需要識別分析更高分辨率的圖像。相比之下，空中動態(tài)目標的碰撞預測首先面臨較少的噪聲干擾，因此背景變化相對較小，無需特別的預處理步驟。其次，當動態(tài)目標即將與觀測者的無人機發(fā)生碰撞時，其在無人機攝像頭中的視角會迅速擴大，這一顯著特征使我們無需極高的圖像精度即可直接捕獲到對應的特征數(shù)據(jù)。因此，本文針對空中動態(tài)目標碰撞環(huán)境的這2個顯著特點，進行了一定的分析，并設計了相應的碰撞預測方法。
