基于无人机对船舶装载进行航拍的应用研究

本文以湛江徐闻东部的海砂开采项目作为案例,分析了无人机应用于船舶装载航拍检查中遇到的多种问题和限制性条件,以及无人机经过优化后应用于船舶装载航拍检查中的可行性。选择的案例项目现场风浪较大,存在比较复杂的水域航行条件。通过对无人机的设计与规划,可以有效提升船舶装载航拍检查的效率,还能够减少核查人员的人身安全风险。无人机拍摄得到的资料可以为船舶出港审查提供较为全面准确的证据信息。     

基于无人机航摄的铁路工务智能分析系统应用

为了解铁路沿线工务设备植被绿化覆盖情况,采用无人机携带的数码摄像机对铁路沿线进行分辨率优于4 cm的航空摄影,并以获取的高分影像生产数字正射影像图(DOM);再通过深度学习配合人工辅助采集策略建立铁路沿线植被覆盖档案库;综合利用GIS技术实现铁路沿线绿化覆盖结果提取与线路要素的建档与集成。研究表明,该系统机器自动检测识别准确率达到85%以上,实现了基于时空数据库技术对绿化覆盖数据实时的多人协同整治管理。     

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

基于完善交通信息收集的UAV路径规划

针对部分路段不能获取完整交通信息的问题,提出使用无人机对未布设固定型交通信息检测器路段进行交通巡视,完善交通信息。通过时空网络建立了一个总飞行时间最短、最大单机飞行时间最短的多目标模型,确定最佳的无人机数量和交通信息收集路径。新模型不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,而且加入了对未布设固定型交通检测器路段的巡视次数以及巡视时间间隔约束问题,使巡视路径更加合理。情景分析表明,使用两架无人机进行巡视时,总飞行时间最短为37min,在23min 内完成巡视任务;随着最大单机飞行时间权重的增大,无人机的总飞行时间增加9.76%,最大单机飞行时间减少8.70%。算例分析表明,所建模型和方法能够解决大规模路网的多无人机调度问题,能够根据实际需求得到满意的巡视路径。     

新《海安法》背景下海事无人机和海上网络在海区巡查执法中的探索研究

2021年9月1日,新修订的《中华人民共和国海上交通安全法》(以下简称"新《海安法》")正式实施.面对新形势和新法律带来的新要求,海事部门要有所针对地使用新型执法手段和途径,改变海区巡查执法上的短板和不足,使得海区巡查执法工作更加顺畅和高效.     

“无人机-车辆”配送路径优化模型与算法

基于城市配送的发展趋势,提出一种“无人机-车辆”联合配送模型,以无人机为主导,分3 步进行路径分配,无人机每次配送可以服务多个顾客点,车辆不用在固定点等待无人机。进行单 次路径规划时,让顾客需求点尽可能多的得到服务,最后,以总配送距离最小为目标,对整体路径 进行优化。此外,设计了3种不同的配送场景,构建的模型能同时适用于这3种场景。采用带末 端优化的模拟退火算法求解问题,结果验证了模型的可行性。考虑到未来无人机技术的进一步 提高,对无人机的最大载重量和飞行距离进行灵敏度分析。结果表明,无人机的配送能力受载重 量和飞行距离影响,增大配送能力可以使无人机服务更多的顾客需求点,均衡提升载重量和飞行 距离可以充分发挥无人机的配送能力,更好地完成农村地区的物流配送。     

某型无人机系统健康状态评估研究

论文阐述了某型无人机系统健康状态评估的方法.以某型无人机系统发射装置为研究对象,建立了健康状态指标体系,划分了健康等级.结合灰色关联分析和模糊综合评判方法,实现了对某型无人机系统的“装备-系统”两级健康状态评估.     

中大口径舰炮远程对岸射击观测方法研究磁

针对中大口径舰炮承担的对岸火力支援任务,研究其远程对岸射击观测方法。为满足岸上目标观测需要,提出舰载无人机、电视侦察弹、侦察卫星等远程观测手段,论证各观测手段的特点和实施方法,提出对岸上目标的定位原理。该研究可为中大口径舰炮对岸射击观测的组织实施提供参考,对武器系统作战效能的充分发挥具有重要意义。     

无人机在送货物流中的应用前景分析

本文探讨了无人机在送货物流领域的应用前景,分析了其潜在优势、挑战以及未来发展。本文首先介绍无人机技术在物流中的当前应用状态,接着分析了无人机送货对于物流效率、成本、环境影响的积极作用和面临的挑战,并提出了克服这些挑战的策略。     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.