屋外での実際の飛行中のドローンの自律障害物回避問題を解決するために、Ghost改良に基づくYOLOv5軽量双眼ビジョン無人機障害物回避アルゴリズムを提案する。まず、Ghostモジュールを導入してYOLOv5のCBLおよびCSP_Xユニットを改良し、<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mi mathvariant="normal">C</mi><mi mathvariant="normal">I</mi><mi mathvariant="normal">O</mi><msub><mrow><mi mathvariant="normal">U</mi></mrow><mrow><mi mathvariant="normal">l</mi><mi mathvariant="normal">o</mi><mi mathvariant="normal">s</mi><mi mathvariant="normal">s</mi></mrow></msub></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/1FD0B5C7-E27B-4eea-9521-E8BA2BE2F14A-M001.jpg"/><?fx-imagestate width="11.17599964" height="3.21733332"?><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/1FD0B5C7-E27B-4eea-9521-E8BA2BE2F14A-M001c.jpg"/><?fx-imagestate width="11.17599964" height="3.21733332"?></graphic></alternatives></inline-formula>を回帰損失関数として使用し、非最大抑制<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M2"><mi mathvariant="normal">C</mi><mi mathvariant="normal">I</mi><mi mathvariant="normal">O</mi><msub><mrow><mi mathvariant="normal">U</mi></mrow><mrow><mi mathvariant="normal">n</mi><mi mathvariant="normal">m</mi><mi mathvariant="normal">s</mi></mrow></msub></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/1FD0B5C7-E27B-4eea-9521-E8BA2BE2F14A-M002.jpg"/><?fx-imagestate width="11.34533310" height="3.21733332"?><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/1FD0B5C7-E27B-4eea-9521-E8BA2BE2F14A-M002c.jpg"/><?fx-imagestate width="11.34533310" height="3.21733332"?></graphic></alternatives></inline-formula>を<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M3"><mi mathvariant="normal">D</mi><mi mathvariant="normal">I</mi><mi mathvariant="normal">O</mi><msub><mrow><mi mathvariant="normal">U</mi></mrow><mrow><mi mathvariant="normal">n</mi><mi mathvariant="normal">m</mi><mi mathvariant="normal">s</mi></mrow></msub></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/1FD0B5C7-E27B-4eea-9521-E8BA2BE2F14A-M003.jpg"/><?fx-imagestate width="11.51466751" height="3.21733332"?><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/1FD0B5C7-E27B-4eea-9521-E8BA2BE2F14A-M003c.jpg"/><?fx-imagestate width="11.51466751" height="3.21733332"?></graphic></alternatives></inline-formula>に変更して損失関数を最適化し、次に双眼カメラのキャリブレーションと補正を行い、ORB特徴点抽出とスライディングウィンドウマッチングアルゴリズムを用いて検出対象の視差値を取得し、視差値とカメラ内部パラメータに基づいて障害物の距離情報を求め、最後に障害物の位置と距離に応じてドローンの自律障害物回避を実現した。この回避アルゴリズムは組み込みシステムで平均FPS14.3を達成し、ドローンの障害物回避飛行実験でアルゴリズムの実現性が確認された。改良後のネットワークの平均検出精度は76.88%であり、YOLOv5と比較して平均検出精度は0.37%低下したが、検出時間は22%短縮され、パラメータ数は25%削減された。このアルゴリズムはドローンの自律障害物回避に重要な応用価値を持つ。

物体検出;軽量化;特徴マッチング;無人機障害物回避