基于深度学习的无人机飞行轨迹及地质勘测研究

摘要

为了对无人机的飞行轨迹及地质灾害勘测进行研究,首先基于深度学习、无人机等相关理论,对无人机飞行高度、图像分辨率以及地质勘测所消耗时间三者之间的关系进行分析;其次将卷积神经网络模型应用于地质勘测图像精度研究中;最后引入Sigmoid算法对无人机的飞行轨迹进行分析。结果表明:无人机的飞行高度与图像分辨率成反比、与地质勘测所用时间成正比。在同一高度、不同控制点的情况下,卷积神经网络模型能够缩小数据的点位误差以及高程误差,并且随着控制点的增多,精确度也会越来越高。将Sigmoid算法引入无人机的姿态控制以及速度控制中,能够将姿态控制的误差限制在-0.5~1之间,速度控制误差限制在-0.3~0.3之间,可见不管是卷积神经网络模型还是Sigmoid算法都对无人机的发展具有优化作用。因此,深度学习下飞行轨迹规划以及地质灾害勘测,对无人机的快速发展具有很大的参考意义。