Для решения проблемы автономного избегания препятствий дроном при реальном полете на открытом воздухе предложен легковесный алгоритм избегания препятствий для бинокулярного зрения на основе улучшения Ghost в YOLOv5. Во-первых, представлен модуль Ghost, который улучшает блоки CBL и CSP_X в YOLOv5, используя <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> в качестве функции регрессии потерь, а подавление немаксимумов <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> была изменена на <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> для оптимизации функции потерь; во-вторых, была выполнена калибровка и коррекция бинокулярной камеры; с использованием извлечения признаков ORB и алгоритма сопоставления скользящего окна получено значение параллакса цели, а затем по значению параллакса и внутренним параметрам камеры вычислено расстояние до препятствия; наконец, реализовано автономное избегание препятствий дроном на основе положения и расстояния до препятствий. Этот алгоритм работает в встроенной системе со средней частотой кадров 14,3 и был подтвержден как применимый в экспериментальных полетах по избеганию препятствий дроном; средняя точность обнаружения усовершенствованной сети составляет 76,88%, по сравнению с YOLOv5 среднее значение точности обнаружения снизилось на 0,37%, но время обнаружения сократилось на 22%, а количество параметров уменьшилось на 25%. Этот алгоритм имеет важное практическое значение для автономного избегания препятствий дроном.

Обнаружение объектов;легковесный;сопоставление признаков;избегание препятствий дроном