文献类型：期刊文章

作　　者：黄鸿柳[1] 谭果[2] 蒋林利[1] 谢兴祥[3]

HUANG Hongliu;TAN Guo;JIANG Linli;XIE Xingxiang(School of Mathematics&Computer Science,Guangxi Science&Technology Normal University,Laibin 546199,China;Experimental Training Centre,Guangxi Science&Technology Normal University,Laibin 546199,China;School of Electronics and Information Engineering,Harbin Institute of Technology(Shenzhen),Shenzhen 518055,China)

机构地区：[1]广西科技师范学院数学与计算机科学学院,广西来宾546199 [2]广西科技师范学院实验实训中心,广西来宾546199 [3]哈尔滨工业大学(深圳)电子信息工程学院,广东深圳518055

出　　处：《无线电工程》

基　　金：国家自然科学资金(42065004);广西高校中青年教师科研基础能力提升项目(2019KY0868)。

年　　份：2023

卷　　号：53

期　　号：9

起止页码：2143-2150

语　　种：中文

收录情况：BDHX、BDHX2020、JST、核心刊

摘　　要：针对当前无人机目标检测技术精确度低、受环境影响大的缺点,依托运动相机与激光雷达设备,提出了基于改进深度学习的无人机目标检测方法:在深度图像网络架构的基础上,引入残差网络提升算法精度,利用MobileNet加速深度学习的过程,从而利用改进的RetinaNet算法实现无人机精确目标识别与定位;针对点云数据无法通过二维投影准确计算距离的问题,提出通过直方图网络精确估计检测目标的视觉距离。实验结果表明,在不同的复杂环境条件下,与Faster R-CNN相比,所提方法检测精度更高、使用场景更广、运算速度更快,平均精度比Faster R-CNN算法高出1.5%。

关 键 词：雷达传感器 无人机 目标检测 改进RetinaNet  残差网络  MobileNet  直方图网络  

分 类 号：TN24]