基于MAK和Multigen Creator模型的建立

为了建立能在MAK系列软件中进行三维视景仿真的模型,以无人机模型的创建过程为例,阐述了如何利用MAK系列软件和Multigen Creator软件建模的主要方法和技巧。仿真结果表明,所创建的模型能够在MAK系列软件中得到应用,并达到了实时逼真的效果。为下一步的无人机协同作战任务规划的视景仿真提供了支撑。     

基于自适应动态逆的着舰控制器设计

针对舰载无人机着舰过程中存在参数不确定、舰尾流干扰等问题,设计了一种基于自适应动态逆的着舰控制律.通过动态逆消除了非线性以及多变量耦合,在此基础上加入自适应律,分别设计了俯仰姿态控制器和速度控制器,并应用Lyapunov稳定性原理修正了自适应律并用来处理动力受限时的速度控制问题,保证动力补偿系统的稳定性.仿真验证结果表...     

基于人机合作的有人/无人机编队队形变换策略

队形变换是有人/无人机(manned/unmanned aerial vehicle, MAV/UAV)编队飞行的关键技术,为提高编队队形变换效率并减轻飞行员操纵压力,设计了基于人机合作的MAV/UAV编队队形变换策略。首先设计了MAV/UAV编队控制系统,然后在UAV运动学模型基础上设计了一种以路径跟踪为主,速度调节为辅的MAV/UAV编队队形变换策略。通过将水平转弯机动与虚拟力相结合,并考虑实际情况中编队内碰撞问题,设计了一种改进虚拟力路径跟踪方法;根据MAV与各UAV之间的路径差,设计各UAV速度控制律,使得MAV与各UAV速度与航向角一致,从而实现编队队形变换。仿真结果验证了所提方法的有效性和实用性。     

无人机图像全自动生成大比例尺真正射影像方法

随着无人机遥感技术逐步从研究开发阶段发展到实际应用阶段,采用无人机图像进行大比例尺的真正射影像生成方法的研究具有重要的现实意义．本文旨在探索将计算机视觉中获得巨大成功的多视三维重建技术应用到对无人机影像处理中,给出了一种基于运动恢复结构重建算法和多视图立体视觉算法全自动生成大比例真正射影像的方法．本文首先分析了无人机图像PMVS重建点云的特点,给出一种由基于面片多视图立体视觉稠密点生成数字表面模型的方法,然后详细介绍了包括正射影像图像坐标映射模型、可见性计算、基于Markov随机场能量优化的面片选择和匀光处理等真正射影像生成的关键步骤．实验结果以及与商业软件的比较表明：本文给出的方法在野外地形和城市区域均能获取有效的真正射影像结果．     

基于无人机多光谱影像的水稻风灾倒伏面积估算

风灾作为水稻气象灾害之一,严重影响着水稻的生长、产量以及品质。遥感技术作为倒伏作物监测的新途径,给作物受灾面积统计的实时、动态、宏观监测带来新思路,一定程度上弥补了传统方法的不足。以黑龙江省五常市典型水稻倒伏地块获取小型无人机多光谱数据,并基于此数据选取光谱特征、纹理特征、植被指数三个指标对比水稻倒伏前后的差异,接着以水稻倒伏前后的光谱特征、纹理特征结合最大似然法分类,植被指数差异选择最大阈值进行分类,最后对倒伏水稻的提取精度进行评价与分析。研究发现：（1）植被指数特征相对差异值最小（7%）,不适用于准确区分正常和倒伏水稻;光谱特征的相对差异值居中（18%）;纹理特征相对差异值最大（28%）,最适于区分正常和倒伏水稻。（2）从提取的水稻面积结果显示可知,基于均值纹理的分类方法的精度最高（94%）;基于光谱特征分类方法的精度居中（72%）,介于两者（植被指数和均值纹理特征）之间;基于植被指数最优阈值分类方法的精度最低（66%）。该结果可为制定灾后生产管理、防控措施、评估产量损失具有重要参考依据;为动态监测水稻倒伏面积具有重要的借鉴意义。     

基于改进人工鱼群算法的复杂地貌无人机三维路径规划

针对无人机在复杂海域地貌中的三维路径规划,在人工鱼群算法的基础上提出了一种改进的适应性人工鱼群算法。首先,利用数学模型建立地貌的三维模型,选取路径最短为性能评价函数,保证路径规划的合理性;其次,考虑到传统的人工鱼群算法前期收敛速度慢,后期需要精确搜索提高算法精度,提出自适应步长和自适应视野范围来更新个体的位置。为了避免算法陷入局部最优,在追尾行为中引入鱼群中的社会经验位置进行更新;最后,利用MATLAB对在3个复杂程度不同的地图中与传统的人工鱼群算法与粒子群算法对比,仿真结果表明改进后的人工鱼群算法在三维路径规划问题求解中具有更好的收敛速度和精度。     

无人机冲突探测与解脱技术研究概述

近年来,无人机已广泛应用于电力巡检、森林保护、快递配送,交通监控等领域,无人机技术得到飞速发展。无人机具有数量多,体积小,速度快等特点,无人机进入非隔离空域成为必然趋势,而冲突探测与解脱技术也成了当下的重点研究方向。冲突探测与解脱技术的提高对无人机飞行安全和飞行效益具有重要意义。本文系统地梳理了当下国内外的研究成果,对无人机冲突探测与解脱问题进行了概述。综述了冲突探测与解脱的模型,从理论模型的角度阐述了冲突解脱的目标和约束条件;并从方法论的角度对冲突探测与解脱的常用方法进行了总结。最后从现有研究的不足出发,对无人机冲突探测与解脱未来的研究趋势和方向进行了展望。     

基于改进卷积神经网络的非合作无人机检测应用

针对“黑飞”无人机侵犯公民隐私、危害个人及公共安全,现有的无人机检测算法难以平衡检测速度和精度且对小目标的检测精度较低等不足,本文在YOLOv3的基础上进行改进,提出MS-Net (Multi-Scale Object Detection Network) 对低空中的无人机进行快速高效地检测,为实现后续的防护压制提供依据。针对锚点框,通过 K-means聚类方法得出更准确预测目标区域的位置。在特征提取部分,使用SSP (Spatial Pyramid Pooling) 提取更丰富的特征信息,提升分类精度。在检测部分,提出ESE (Enhanced Sequeeze and Excitation) 通道注意力机制在基本不影响检测速度的同时实现更加精确的多尺度目标检测。实验结果表明：该方法在由无人机、风筝、鸟等组成的数据集上的检测速度为51FPS,平均准确率(mean average precision, mAP)为91.39%,比 YOLOv3 网络提高了6.42%;特别地,在无人机目标上的平均精度（average precision, AP）提升了7.42%。     

基于K210的火点检测与喷头定向控制

无人机在执行灭火任务时,喷头喷射方向固定且无法自动寻找火点方向,通过人工操纵手柄控制无人机高度及俯仰角来尝试不断调整其喷射方向,以保证灭火剂喷射在火焰上实现有效灭火。针对依靠人工进行火点检测与定向喷射这一过程效率低和准确率不高等问题,提出一种可以在低成本、低功耗硬件中实现实时目标检测,进而控制喷头定向火点的方法。该方法将训练好的YOLOv2-Tiny目标检测模型部署到可移动平台K210上,内部的卷积神经网络硬件加速器快速检测视频中是否存在火点并输出目标的位置信息,根据位置信息使用PID控制算法调节二维旋转喷头定向火点。本文使用监控摄像头拍摄及网上下载等方式构造的数据集对模型进行训练,训练后模型的检测精确率达到94.60%,将模型下载至K210开发板上能达到每秒14帧的速度,检测精度达到96.5%,落点位置平均误差为3.7 cm,具有很高的实用价值。     

舰载无人机雷达对抗的建模研究

为提高舰艇编队航行的成功率,需要携带有雷达干扰载荷的干扰机进行电子支援。应用无人机进行雷达干扰可以构成有人干扰机的重要补充,提高干扰效果。基于空间能量建立多部无人干扰机的干扰方程,根据模型采用MFC程序框架和OPENGL工具,对多部无人机的雷达干扰压制区域进行了三维仿真计算和绘制。仿真结果与理论分析一致。