无人机在输电线路巡检中的多种应用

无人机技术目前的快速发展使得我们国家输电线路自身的巡检能力得到了持续的提升,基于此本文在对无人机技术给予认识的情况下,在了解了输电线路巡检过程中的使用优势之后,还总结了无人机技术在当前我国线路巡检过程中的应用路径以及应用方法;之后使用案例分析的方式分析了无人机技术在当前输电线路巡检过程中的应用方法。     

无人机定位技术及其应用

分析了无人机定位过程及定位原理，着重研究了无人机定位精度，比较了各种定位方法。提出利用无人机定位技术可提高超视距反舰导弹作战能力。     

基于无人机的空地信道特性测量系统

随着各种飞行器和通信一体化的发展,对空地信道特性的研究变得愈发重要且迫切。针对空地通信场景,本文研制了一套由无人机发射单元和地面接收单元组成的无人机空地信道测量系统。该系统选取具有平坦功率谱特性和大动态范围的ZC序列作为测量序列,利用硬件实现实时提取信道冲激响应(Channel Impulse Response, CIR),并通过采样偏差恢复、系统响应校正等方式,提高信道测量系统的准确性。实测验证结果表明,本文研制的信道测量系统与信道模拟器模拟结果和射线跟踪(Ray Tracing, RT)仿真结果基本一致。最后,开展了校园场景空地实测活动,分析了该场景路径损耗(Path Loss, PL)、莱斯K因子、均方根时延扩展(Root Mean Square-Delay Spread, RMS-DS)等信道特性。     

Joint frame rate adaptation and object recognition model selection for stabilized unmanned aerial vehicle surveillance

We propose an adaptive unmanned aerial vehicle (UAV)-assisted object recognition algorithm for urban surveillance scenarios. For UAV-assisted surveillance, UAVs are equipped with learning-based object recognition models and can collect surveillance image data. However, owing to the limitations of UAVs regarding power and computational resources, adaptive control must be performed accordingly. Therefore, we introduce a self-adaptive control strategy to maximize the time-averaged recognition performance subject to stability through a formulation based on Lyapunov optimization. Results from performance evaluations on real-world data demonstrate that the proposed algorithm achieves the desired performance improvements.     

一种实时多尺度目标检测识别算法

无人机目标检测与识别任务中,目标随着飞行高度的改变尺寸发生显著变化。常规目标检测模型中,获取的小目标细节信息有限,检测精度较低;而适用于小目标的实时检测模型往往容易丢失大目标的背景信息,降低大目标的检测精度。针对以上多尺度目标检测识别任务难点,提出一种基于改进特征金字塔网络(Feature Pyramid Network, FPN)结构的实时多尺度目标检测识别模型。该模型通过增加特征金字塔层级覆盖更广的目标尺度,获取更为丰富的目标信息;同时,利用跨连接增加不同尺度特征融合的多样性,降低特征传导距离,保留更加完整的尺度特征来提高模型检测识别多尺度目标的性能。通过实验发现,相比于原始网络结构和相同特征层级的四层特征金字塔结构,加入改进特征金字塔结构的多尺度目标检测模型识别性能得到了提升。     

孪生网络框架下融合显著性和干扰在线学习的航拍目标跟踪算法

针对一般跟踪算法不能很好地解决航拍视频下目标分辨率低、视场大、视角变化多等特殊难点,该文提出一种融合目标显著性和在线学习干扰因子的无人机(UAV)跟踪算法.通用模型预训练的深层特征无法有效地识别航拍目标,该文跟踪算法能根据反向传播梯度识别每个卷积滤波器的重要性来更好地选择目标显著性特征,以此凸显航拍目标特性.另外充分利用连续视频丰富的上下文信息,通过引导目标外观模型与当前帧尽可能相似地来在线学习动态目标的干扰因子,从而实现可靠的自适应匹配跟踪.实验证明:该算法在跟踪难点更多的UAV123数据集上跟踪成功率和准确率分别比孪生网络基准算法高5.3%和3.6%,同时速度达到平均28.7帧/s,基本满足航拍目标跟踪准确性和实时性需求.     

基于无人机影像的电网绝缘子自爆识别

电网因其在电能传输方面的关键性作用,在我国民生项目建设领域一直扮演着至关重要的角色。电网杆塔上的绝缘子一旦发生自爆(也称“缺陷”),绝缘子会自动剥落,输电线路就会产生安全隐患,严重时会降低输电线路的运行寿命,甚至会引发供电中断,发生大范围的停电事故,造成巨大的财产损失。目前,主流的巡检方法为人工巡检,该方法不仅耗时耗力,而且也存在一定主观出错率,已不适用于目前电路巡检的实际情况。本设计采用YOLO V5网络模型,对无人机航拍影像中绝缘子串及绝缘子自爆进行自动识别。首先通过平移、翻转、裁剪等,对航拍绝缘子影像数据集进行数据增广,并对增广后的数据集在LabelImg中进行标注,然后利用YOLO V5网络模型对绝缘子串及绝缘子自爆进行识别,最后采用PyQt5框架在PyCharm中设计了绝缘子自爆识别的系统界面,对模型进行调用,实现了绝缘子串及绝缘子自爆识别。本设计采用从网络上下载、国家电网提供、数据增广所得到的500张无人机航拍影像作为数据集,对所得数据集进行人工标注,再使用YOLO V5网络模型进行训练和测试,结果表明YOLO V5网络模型对绝缘子串具有较高的识别精度,最高识别精度为90.2%,对绝缘子自爆的最高检测精度为80.8%。这说明了YOLO V5网络模型在绝缘子串识别方面有较好的表现,但是由于训练集中绝缘子自爆的样本影像数量有限,所以该网络模型对绝缘子的自爆识别存在一定局限性,本实验能够部分代替人力实现电网绝缘子智能巡检,提高了检测效率。     

无人机载PolInSAR城区散射机制初步分析

极化干涉合成孔径雷达（PolInSAR）在城市遥感领域中扮演着重要角色。它能够提高图像的相干性并提高反演结果的精度,所以对于其散射机制的解释往往受到许多研究人员的关注。相关的研究多从极化分解的角度考虑,却少有人从散射中心高度方面进行分析。本文使用Ku波段无人机载极化干涉SAR系统,实现了使用无人机SAR系统对地面进行成像,比较了极化干涉最优分解与Pauli分解作用在不同人造目标时散射中心的关系。我们初步分析了极化干涉SAR的物理意义,并使用C波段的机载极化干涉SAR系统对结论进行验证。     

无人机地面站综合检测台设计

本文针对目前无人机系统地面站生产阶段缺少检测设备的问题,提出了地面站综合检测台.在硬件方面,以成熟CPU模块为核心,通过扩展外围接口卡,来满足硬件接口测试需求.在软件方面,采用VC的MFC为基础框架,通过内嵌成熟的仿真模块、实现对地面站各监控软件的功能性检测.经过长期的测试,测试结果表明:本检测台能够对地面站软硬件进行综合性、系统性的检测,是地面站生产阶段不可缺少的设备.     

便携式发动机油压数据采集系统的设计与实现

为解决目前无人机发动机生产、调试和检验中的遇到的问题,研制了一种高精度、便携式发动机油压数据采集设备,该设备以C8051F005单片机为核心芯片,构成油压数据采集最小系统。文中给出了发动机油压数据采集系统的设计方法与系统组成,详细阐述了油压数据采集系统的硬件及软件实现方法。测试结果表明:该发动机油压采集系统具有精度高、功耗低、工作稳定可靠等优点,且各项指标均达到了系统研制要求。目前已作为发动机的配套产品装备在某型号无人机中。