基于Jetson TX2及轻量级深度学习的自主型无人机机载处理系统设计

摘要

具备自主环境感知和机载决策的自主型无人机是无人机的发展趋势,长期以来,由于机载处理能力和算法发展水平的限制,无人机机载实时准确的目标识别一直是自主型无人机面临的一个重要挑战.本文针对此问题,提出一种利用机载NVIDIA JETSON TX2嵌入式计算机实现以轻量级深度学习模型为基础的目标检测方法:获取无人机在不同姿态下的目标图片,学习目标区域特征,在部署了深度学习模型YOLO(You Look Only Once)的TX2上使用Darknet框架进行目标检测训练,得到针对不同目标的检测分类器,获取目标在图像中的位置.为验证该方法的可行性,在“2018年高分无人飞行器智能感知技术大赛”的线上仿真场景、线下比赛环境及实地飞行实验中进行了数字和圈的检测及车辆、行人检测,实验表明该方法在实时性和准确性上可适用于现场环境无人机机载实时目标检测,对实现自主型无人机机载智能决策有重要意义.