【摘 要】
：
多旋翼无人飞行器结构简单,容易操作,在现代电子技术的加持下,已被广泛应用于生产生活的各个领域中。同时,由于工作环境愈加复杂,遥控信号易受干扰,所以多旋翼无人机具备自主执行任务的能力就显得十分必要。对于全自主多旋翼无人飞行器而言,在预先未知的区域进行着陆是一项具有挑战性的任务。当多旋翼无人机需要在地形未知的区域进行着陆时,现有的着陆方式大多需要人工进行干预和控制。为了实现全自主无人飞行器的自主着陆,
论文部分内容阅读
多旋翼无人飞行器结构简单,容易操作,在现代电子技术的加持下,已被广泛应用于生产生活的各个领域中。同时,由于工作环境愈加复杂,遥控信号易受干扰,所以多旋翼无人机具备自主执行任务的能力就显得十分必要。对于全自主多旋翼无人飞行器而言,在预先未知的区域进行着陆是一项具有挑战性的任务。当多旋翼无人机需要在地形未知的区域进行着陆时,现有的着陆方式大多需要人工进行干预和控制。为了实现全自主无人飞行器的自主着陆,本文提出了一种基于深度学习多视角立体三维重建的全自主着陆系统。本文的主要贡献如下:（1）为了充分利用多旋翼无人机机载传感器所能提供的的信息,本文提出了一种新型的崎岖地表着陆系统设计框架。该框架基于深度学习卷积神经网络的多视角立体几何（Multi-View Stereo,MVS）三维重建。崎岖地表着陆系统在多旋翼无人机巡航中获取待着陆区域地形的多幅RGB图像,然后提取快速鲁棒特征（Speed-Up Robust Features,SURF）并执行运动恢复结构算法（Structure From Motion,SFM）,可获得待着陆区域的稀疏特征点云。通过利用稀疏特征点插值生成的初始深度图,并应用快速深度三维重建算法Patchmatch Net-A,本系统可以生成精确而稳定的深度估计值。后续基于该深度估计值搜索可着陆区域并筛选出最终着陆点,执行着陆操作。据我们所知,这是首次将基于学习的三维重建算法应用于多旋翼无人机上的无准备崎岖地表地形重建中。（2）考虑到多旋翼无人机负载限制和机载处理器的计算速度的限制,为了提高着陆系统输出深度图的计算速度,本文提出了一种名为Patchmatch Net-A的快速深度三维重建算法。该算法利用从运动恢复结构这一步骤中生成的初始深度图,在三个不同的分辨率中对深度值进行预测,并最终提供了一个精确且鲁棒的深度图。通过和其他基于深度学习的三维重建算法进行比较,本文所提出的方法可在保证输出效果的同时降低运行时间,将输出每帧深度图所需的时间从原来的982ms降低到736ms。（3）为了提高Patchmatch Net-A的性能,本文设计了一种名为可调反正切线性单元（Adjustable-arctangent Linear Units,ALU）的新型激活函数。通过将该激活函数应用到Patchmatch Net-A中的多尺度特征提取网络中,本系统可以提高特征点的准确性和鲁棒性。在与部分经典激活函数进行对比后,我们发现ALU可以在不改变网络结构的情况下提高输出模型的准确度。（4）为了验证所提出的崎岖地表着陆系统的有效性,我们使用M210v2多旋翼无人机作为实验平台,进行了实际飞行实验,并成功实现了全自主着陆。
其他文献
本文将借助随机矩阵理论这个强大的数学工具对有限维度的混合对称系综展开研究。本文沿着推导出有限维混合对称系综的新结论并将其应用到各类场景的研究思路开展了以下的研究,主要分为三部分:第一部分是混合对称系综的特征值联合分布统一形式的建立。本文先提出了一个关于混合对称系综的排序特征值联合概率密度函数的统一表达式,然后详细推导了拉盖尔酉系综（Laguerre Unitary Ensemble,LUE）与拉盖
传感器技术的快速发展,使得人们能够在计算机视觉、神经科学、信号处理等领域中获取大规模、多维度的数据。然而,由于设备故障、网络延迟、外物遮掩等客观因素,获取到的数据通常是不完整的（仅部分元素可见）,传统的设备和算法往往无法有效处理不完整的数据。所以,越来越多的研究人员关注如何利用仅有的部分数据来恢复出完整张量。除此之外,数据在收集过程中,还通常混杂高斯噪声或椒盐噪声。克服不完整、噪声的干扰,实现数据
在数字化时代,每个用户的身份和行为均可用数字来量化,而其数字背后蕴藏着无数的商业价值。各大平台将依据量化的数字,来精准地为用户投放能够吸引用户观看的内容,或者用户感兴趣的广告,良好的点击率不仅会给平台方带来可观的收益,而且会给用户带来舒适的使用体验。因此,关于点击率预估的研究具有重要的意义。首先,论文叙述并分析了两种主流点击率预估模型的结构和优缺点,并在此基础上提出了一种新型的融合模型。论文对主流
缺陷检测方法作为一种图像视觉检测任务的实现方式,是工业产品生产流程中进行质量把控的一种重要方法。随着视觉检测技术的发展,缺陷检测方法取得了一些进展。但是工业产品表面缺陷检测方法仍然存在一些待解决的问题。例如,工业产品表面的图案样式复杂以及产品缺陷的尺度具有多样性,导致现有的缺陷检测方法存在检测精度不高的问题。此外,由于工业生产过程中新产品的更新速度快,因此难以收集和制作足量的缺陷图像数据集以供视觉
复杂网络是由大量节点组成的网络,这些节点之间存在一定的联系。在日常生活中,复杂网络的例子随处可见,比如,电网、万维网（WWW）、航线网和疾病传播网。小世界网络和无标度网络的发现使复杂网络的研究取得了引人注目的进展,同步、状态估计等问题也随之引起了研究者们的极大研究兴趣。由于复杂网络中的节点通常分布在不同地点,因此需要利用通信网络进行数据传输。由数据传输引起的各种问题（包括采样、网络攻击等）会导致节
近年来，随着中海油海上平台采用陆地电网供电的方案逐步实施，海上平台的电能质量被逐渐引起关注。采用岸电供电与自发电系统有很大不同，接入陆地电网后海上平台必须要满足地方电网的电能质量要求。但海上平台生产中的大量非线性设备，影响供电系统的供电电能质量，对电网造成电压波动及谐波注入，因此必须对海上平台电能质量进行评估并进行针对性的治理。以岸电平台谐波的仿真分析计算为例，给出谐波分析计算结果及谐波治理方案。
观察和理解他人行为是正常人类生活中的一项基本技能,同时,现代人类心理学的一个重要的研究分支就是观察人类的动作行为并进行分析。动作识别是健康监测、人机交互、机器人以及其他很多应用的基础技术,一直以来都受到研究人员的广泛关注。该方向不仅拥有重要的理论研究价值,还有着广泛的应用前景。研究表明,多模态信息融合的方法可以提高人体动作识别准确性。因此,在动作识别中,充分获取和高效利用多模态动作数据中的特征信息
大规模在线开放课程（MOOC）的教学模型为人们提供了便捷的学习场景.网络课程资源的快速增长,导致学习者在面对海量的课程资源数据的时候容易产生信息过载问题.为了帮助人们快速地寻找到合适的,真正感兴趣的课程,同时让优质的网络课程被更多人了解到,在这样的背景环境下,利用推荐系统,分析学习者的历史行为数据,挖掘其潜在偏好信息,实现对学习者的个性化推荐十分必要.但是,当用户与项目的历史交互记录较少的时候,传
随着人工智能的蓬勃发展,人工神经网络引起了研究者们的极大研究兴趣。由于其具有强大的学习和处理能力,因而广泛应用于图像处理、机器学习等人工智能领域。另一方面,作为一种典型的集群行为,同步广泛存在于自然界和人类社会中。耦合神经网络由多个神经网络组成,神经网络间存在相互影响或者信息交换,它可视为一种特殊的复杂网络。在耦合神经网络中,神经网络间的信息交换对网络同步的实现非常重要,在实际神经网络中,神经元间