[发明专利]基于微型飞行器的目标检测系统

说明书

本发明提供一种基于微型飞行器的目标检测系统，其通过设置在四轴飞行平台上的摄像头采集视频数据，然后通过Raspberry pi 4微型控制单元以及加装在其上的Coral USB加速棒承载包括有多分支深度可分离卷积神经网络和Single Shot MultiBox Detector运算模块的目标检测系统对所述视频数据中的帧画面进行物体检测。本发明通过使用深度可分离卷积降低模型的大小，利用多分支结构提高模型的泛化性。其在Raspberry pi 4上加装Coral USB加速棒的情况下，能够通过构建的MBDSCNN‑SSD目标检测模型对物体进行快速检测。

技术领域

本发明涉及无人机技术领域，具体而言涉及一种基于微型飞行器的目标检测系统。

背景技术

无人机系统是航空航天制作业中技术密集型产业，其设计生产过程中集合有多种高新技术系统。

军事上，无人机已成为各国武器装备中大的亮点。由于无人机具有运行成本低、无人员伤亡风险、使用方便等特点，其可以广泛应用于反恐防暴、抢险救灾、航测航摄、国土资源管理、环境保护、城市规划与管理、影视、电力部门巡线、海事巡逻、高速公路巡查、林业部门防火、农(林)业部门病虫害监测与防治等领域。无人机在民用领域的使用也逐渐得以推广，越来越多的行业、部门和单位正在用无人机取代传统的劳动工作方式。

从无人机发展来看，专业化和大众化两者并不矛盾，当然无人机厂商也正在努力推行新产品及新系统的开发，尽可能的降低对飞手操作技术的要求。

消费级无人机最近的一个趋势是越来越小、越来越轻便。其一个主要的趋势就是我们说的“口袋无人机”。在此方面，知名无人机企业大疆已经推出了微型无人机Spark。

然而现有的无人机技术仍然存在其局限性：

现有的无人机技术，其飞行控制系统较为复杂，需要操作者人为观测或及时根据无人机传感数据调整飞行姿态。这对无人机姿态识别传感设备以及飞手的操作要求均有较高要求。无人机姿态识别的误差在一定程度上限制了无人机对无人机的操控，从而影响无人机大规模的应用。

并且，现有无人机上搭载的视觉识别系统，其目标检测算法复杂，需要大量运算资源作为支撑，因此，其目标识别的实时性和准确率均有待提高。

发明内容

本发明针对现有技术的不足，提供一种基于微型飞行器的目标检测系统。本发明具体采用如下技术方案。

一种基于微型飞行器的目标检测系统，其所设置的微型飞行器包括：四轴飞行平台，其包括平台主体，所述平台主体的四角分别对称设置有向外延伸的四个连接轴，四个连接轴的远端分别设置有四个空心杯电机，四个空心杯电机的电机轴向上伸出并分别连接有一组螺旋桨，所述空心杯电机驱动各组螺旋桨旋转带动所述微型飞行器起飞、降落、飞行或调整空中姿态；

所述的目标检测系统，其包括：

摄像头，其设置在所述平台主体上，用于采集视频数据；

视觉识别单元，其连接所述摄像头，包括Raspberry pi 4微型控制单元以及加装在所述Raspberry pi 4微型控制单元上的Coral USB加速棒，用于接收所述摄像头采集的视频数据，并对所述视频数据中的帧画面进行物体检测；其中，

所述Raspberry pi 4微型控制单元内设置有目标检测模型，所述目标检测模型包括有多分支深度可分离卷积神经网络和Single Shot MultiBox Detector运算模块；

其中的多分支深度可分离卷积神经网络用于首先对摄像头所采集的视频数据中的帧画面进行3x3卷积，然后对3x3卷积所输出的卷积结果进行深度可分离卷积，再将深度可分离卷积所获得的数据输入连接过滤器，随后将连接过滤器后所输出的数据分别顺序进行参数不同的两次深度可分离卷积后输出至全局平均池化层；