典型文献
基于YOLOv5网络架构的着陆跑道检测算法研究
文献摘要：
为突破无人机自主着陆技术工程应用中跑道目标快速鲁棒检测这一技术瓶颈,提出了一种基于YOLOv5网络架构的快速跑道检测方法.在YOLOv5网络架构的基础上进行改进,首先,对获取的机载前视图像进行数据增强,以提升网络模型的鲁棒性;其次,对不同尺度、不同维度特征进行融合,以提升网络检测精度;然后,在预测层损失函数的设计中融入跑道的几何特征,以优化预测模型.为验证方法的有效性,采用AirSim开发了复杂着陆场景下的可见光图像数据集,在此基础上对方法进行了测试.仿真结果表明,所提跑道检测方法的平均检测速度可达125 frame/s,平均检测精度为99％,优于传统目标检测方法,满足对跑道区域快速、精确检测的要求.
文献关键词：
YOLOv5;卷积神经网络;跑道检测;自主着陆;单目视觉
中图分类号：
作者姓名：
马宁;曹云峰;王指辉;翁祥瑞;吴林滨
作者机构：
南京航空航天大学航天学院,江苏南京211106
文献出处：
引用格式：
[1]马宁;曹云峰;王指辉;翁祥瑞;吴林滨-.基于YOLOv5网络架构的着陆跑道检测算法研究)[J].激光与光电子学进展,2022(14):189-195
A类：
跑道检测
B类：
YOLOv5,网络架构,检测算法,算法研究,自主着陆,技术工程,技术瓶颈,快速跑,机载,视图,数据增强,不同尺度,不同维度,维度特征,网络检测,检测精度,损失函数,几何特征,验证方法,AirSim,着陆场,可见光图像,图像数据集,检测速度,frame,目标检测方法,精确检测,单目视觉
AB值：
0.345493
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
