[发明专利]一种基于改进ssd目标检测网络的无人机规避算法

说明书

本发明公开一种基于改进ssd目标检测网络的无人机规避算法，1，制作障碍物的双目视角图像数据集；2，根据标定数据集建立目标检测模型；3，构建ssd目标检测网络，并使用数据集对网络参数进行训练；4，将测试集中的，每一对障碍物图片传入到训练好的ssd检测网络，输出神经网络预测的类别标签和位置标签；5，利用不同视角检测到障碍物的位置进行双目测距得到障碍物距离；6，将障碍物分类和距离反馈到无人机驾驶系统控制其自动避让。本发明结合了ssd目标检测算法和双目测距图像算法，使得结合后的检测结果既有效的得出了障碍物的种类，同时精确的计算出了障碍物在世界坐标位置中与无人机的矢量距离。

技术领域：

本发明涉及无人机规避领域，具体为一种基于改进ssd目标检测网络的无人机规避算法。

背景技术：

随着科学技术的快速发展,无人机在军民领域都得到了广泛的应用,但是空域飞行活动量的增加接踵而至,事故机率也随之增大。这不仅会造成经济损失,甚至在飞行任务中产生严重影响。要保证无人机在执行各种任务时能够安全可靠,就离不开导航规避系统的协助。

2015年大疆推出了Guidance感知避障系统，作为行业领先者，大疆的感知避障系统为复合型多方向避障，同时支持5个方向的规避，第二年推出的Matrice100便搭在了本系统，但是该系统规避方向并不全面，规避算法较为机械，从整体的市场应用效果来看，感知避让系统的研究尚未完善，作为安全保障的感知避让功能并不可靠，实现场景较为严苛，市场需求并为得到提供。

由于传感器探测范围和精度有限，目前还不能实现真正意义上的全方位避障，存在盲区，且避障性能对环境要求过高，关于飞行环境的要求很多，即应用场景不够丰富，如何利用现有技术水平获取足够的场景属性从而对无人机工作规避障碍物提供有效的引导成为我国无人机规模化应用的重中之重。

发明内容：

本发明的目的是针对现有技术的缺陷，提供一种基于改进ssd目标检测网络的无人机规避算法，以解决上述背景技术提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于改进ssd目标检测网络的无人机规避算法，包括：

(1)：制作训练集和测试集，设定目标检测模型和双目测距对应的测试集：

从VOC、COCO、SOGOU等数据集中抽取出障碍物相关的数据集作为目标检测数据集，其中5721张图片作为为训练集，取出500张图片作为测试集；

从真实场景中固定两台摄像机的相对距离，拍摄成对障碍物图片200张，并测定障碍物与摄像机连线的矢量距离作为图片标签，将图片对和矢量距离标签对应制作为双目测距对应的测试集；

(2)：根据标定数据集建立目标检测模型：

(2a)：将每个图片中可能包含障碍物作为检测目标，记为{vj}；将每个障碍物的预测框坐标记为[xi,yi]；

(2b)：在生成预测框阶段，目标检测模型先将所有经过卷积得到的预测偏移信息和与之对应的先验框进行解码，计算出预测框，解码公式为：

x_i＝(t_x×w_a)+x_a

y_i＝(t_y×h_a)+y_a

式中，[x_a,y_a]代表先验框坐标，[w_a,h_a]代表先验框的宽高，t_x、t_y为预测偏移信息；

(2c)：预测框分类阶段，对每个预测框的置信度和不同障碍物类别的置信度对比，得出最高的置信度所述分类作为本预测框类别；