YOLO（You Only Look Once）是檢測圖像中物體的神經(jīng)網(wǎng)絡(luò)架構(gòu)。它將原始圖像分成13個(gè)小方塊，每個(gè)方塊記錄有關(guān)物體及其類型的信息，以此進(jìn)行識別。YOLO有別于同類架構(gòu)，一次圖像掃描即可確定識別對象的存在和種類?，F(xiàn)代無人機(jī)為快速發(fā)現(xiàn)物體使用最新版的YOLOv5神經(jīng)網(wǎng)絡(luò)架構(gòu)。通常，這款神經(jīng)網(wǎng)絡(luò)能在視頻中發(fā)現(xiàn)物體，分析人的舉動(dòng)或汽車自動(dòng)導(dǎo)航。盡管頗受歡迎，但卻有一系列缺陷。比如，算法本身模式既長又復(fù)雜，給尋找小型物體造成困難。就讀于頓河畔羅斯托夫市俄羅斯南聯(lián)邦大學(xué)的中國博士生張精衛(wèi)對此缺陷進(jìn)行了修正，與YOLOv5相比，改善后的算法明顯降低了計(jì)算量。他在接受俄羅斯衛(wèi)星通訊社采訪時(shí)說：

“我在俄羅斯南聯(lián)邦大學(xué)的科研內(nèi)容是數(shù)學(xué)算法研究，目前的研究是在YOLOv5模型的基礎(chǔ)上進(jìn)行了改進(jìn)，提出了L-YOLO算法，提升了模型對小目標(biāo)的檢測性能，同時(shí)降低模型的參數(shù)量和計(jì)算量，以解決無人機(jī)視角下的小目標(biāo)檢測任務(wù)。本研究得出的結(jié)論為：L-YOLO算法不僅對小目標(biāo)的檢測性能更強(qiáng)，模型也更加輕量化，證實(shí)了在無人機(jī)視角下的目標(biāo)檢測具有良好的應(yīng)用前景。低功耗的無人機(jī)視角下的小目標(biāo)檢測研究對于提高無人機(jī)應(yīng)用的效率和功能，推動(dòng)科技發(fā)展和社會(huì)進(jìn)步，具有非常重要的意義?！?/p>

無人機(jī)配置輕量和更具效率的L-YOLO算法，可用于各種領(lǐng)域，從農(nóng)業(yè)到搜救工作。任何情況下，識別和跟蹤小物體，如個(gè)人、動(dòng)物或車輛的算法，對于成功完成任務(wù)至關(guān)重要。

近年來，中國在無人機(jī)領(lǐng)域取得了巨大的進(jìn)步和突破。作為無人機(jī)技術(shù)的關(guān)鍵組成部分，無人機(jī)算法在提高飛行性能、實(shí)現(xiàn)智能化操作和拓展應(yīng)用領(lǐng)域方面發(fā)揮著重要作用。本文將介紹中國在無人機(jī)算法發(fā)展方面的創(chuàng)新成果和發(fā)展現(xiàn)狀，并展望未來的發(fā)展趨勢。

一、無人機(jī)飛控算法的基礎(chǔ)

無人機(jī)飛控算法的基礎(chǔ)是飛行動(dòng)力學(xué)和控制理論。飛行動(dòng)力學(xué)研究飛機(jī)在空氣中的運(yùn)動(dòng)規(guī)律，包括姿態(tài)控制、穩(wěn)定性和操縱性等方面?？刂评碚撗芯咳绾卧O(shè)計(jì)控制器來實(shí)現(xiàn)期望的飛行動(dòng)作和軌跡。這些基礎(chǔ)理論為無人機(jī)飛控算法的設(shè)計(jì)和優(yōu)化提供了理論基礎(chǔ)。 ? ?

二、無人機(jī)飛控算法的發(fā)展歷程

01、初期階段： 在無人機(jī)技術(shù)剛剛起步的初期，飛控算法主要采用傳統(tǒng)的控制方法，如PID控制器。PID控制器通過調(diào)節(jié)比例、積分和微分參數(shù)來實(shí)現(xiàn)對飛機(jī)的控制。這種方法簡單易懂，但對于復(fù)雜的飛行任務(wù)和環(huán)境變化較大的情況下效果有限。

? 02、進(jìn)階階段： 隨著無人機(jī)技術(shù)的發(fā)展，飛控算法逐漸引入了更加先進(jìn)的控制方法和算法。例如，模型預(yù)測控制（MPC，Model Predictive Control）可以通過建立飛行動(dòng)力學(xué)模型和優(yōu)化算法來實(shí)現(xiàn)對飛機(jī)的控制。這種方法可以考慮到飛機(jī)的動(dòng)力學(xué)特性和約束條件，提高了飛行控制的精度和穩(wěn)定性。? ?

03、深度學(xué)習(xí)應(yīng)用： 近年來，深度學(xué)習(xí)技術(shù)在無人機(jī)飛控算法中得到了廣泛應(yīng)用。深度學(xué)習(xí)可以通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)復(fù)雜的飛行控制策略和模式。例如，卷積神經(jīng)網(wǎng)絡(luò)（CNN，Convolutional Neural Network）可以用于圖像識別和目標(biāo)跟蹤。循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN，Recurrent Neural Network）可以用于序列數(shù)據(jù)的處理和預(yù)測。這些深度學(xué)習(xí)算法可以提高無人機(jī)的自主飛行和感知能力。

三、飛行控制算法的創(chuàng)新

01、姿態(tài)控制算法：中國的無人機(jī)企業(yè)通過創(chuàng)新性的姿態(tài)控制算法，實(shí)現(xiàn)了無人機(jī)的穩(wěn)定飛行和高機(jī)動(dòng)性能。例如，基于自適應(yīng)控制理論的控制算法，可以實(shí)現(xiàn)對無人機(jī)在各種復(fù)雜環(huán)境下的精確控制，提高飛行穩(wěn)定性和機(jī)動(dòng)性。

02、路徑規(guī)劃算法：無人機(jī)的路徑規(guī)劃算法是實(shí)現(xiàn)自主飛行和避障的關(guān)鍵。引入遺傳算法、人工勢場算法等先進(jìn)的路徑規(guī)劃算法，提高了無人機(jī)的自主飛行能力和安全性。這些算法可以幫助無人機(jī)在復(fù)雜的環(huán)境中尋找最佳路徑，并避免障礙物，實(shí)現(xiàn)高效而安全的飛行任務(wù)。

? ?

四、智能化操作算法的發(fā)展

01、圖像識別算法：無人機(jī)通過圖像識別算法可以對地面目標(biāo)進(jìn)行實(shí)時(shí)識別，實(shí)現(xiàn)對目標(biāo)的跟蹤、監(jiān)測和分析。引入深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)等先進(jìn)的圖像識別算法，提高了無人機(jī)對目標(biāo)的識別準(zhǔn)確性和實(shí)時(shí)性，為無人機(jī)在軍事、安防等領(lǐng)域的應(yīng)用提供了強(qiáng)有力的支撐。

02、感知決策算法：無人機(jī)的感知決策算法是實(shí)現(xiàn)自主導(dǎo)航和智能操作的關(guān)鍵。引入機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等算法，使無人機(jī)具備了自主規(guī)劃航線、自主避障和自主執(zhí)行任務(wù)的能力。這些算法可以使無人機(jī)更加智能化、自主化，提高無人機(jī)的應(yīng)用范圍和操作效率。 ? ? ?

五、中國無人機(jī)飛控算法的應(yīng)用

01、自主飛行：中國的無人機(jī)飛控算法可以實(shí)現(xiàn)無人機(jī)的自主飛行能力。通過結(jié)合傳感器數(shù)據(jù)和飛行控制算法，無人機(jī)可以實(shí)現(xiàn)自主起飛、航線飛行、自主降落等功能。這為無人機(jī)的應(yīng)用提供了更大的靈活性和安全性。 ?

02、目標(biāo)跟蹤：無人機(jī)飛控算法可以實(shí)現(xiàn)對目標(biāo)的自動(dòng)跟蹤和識別。通過圖像處理和深度學(xué)習(xí)算法，無人機(jī)可以實(shí)時(shí)識別和跟蹤目標(biāo)，如車輛、人物等。這在軍事偵察、安防監(jiān)控和救援等領(lǐng)域具有重要應(yīng)用價(jià)值。 ?

03、群體協(xié)同：中國的無人機(jī)飛控算法還可以實(shí)現(xiàn)多架無人機(jī)的群體協(xié)同飛行。通過無線通信和分布式控制算法，多架無人機(jī)可以實(shí)現(xiàn)協(xié)同任務(wù)，如搜索救援、巡航監(jiān)測等。這為無人機(jī)的應(yīng)用提供了更大的擴(kuò)展性和效率。 ? ? 2023年9月5日，創(chuàng)衡控制在原固定翼集群編隊(duì)飛控的基礎(chǔ)之上，推出多旋翼集群編隊(duì)功能，形成S60N、S40N、S30N系列編隊(duì)飛控，支持四旋翼、六旋翼、八旋翼、垂直起降固定翼等機(jī)型： ●?支持50架機(jī)集群編隊(duì)組網(wǎng)(可定制100架機(jī)集群編隊(duì))； ●?支持一字形、三角形、扇形攻擊等多種陣型，空中可變換； ●?支持機(jī)間實(shí)時(shí)組網(wǎng)通訊，短時(shí)組網(wǎng)中斷可保持陣型，超出保護(hù)時(shí)間則單機(jī)按預(yù)裝訂航線繼續(xù)飛行； ●?支持多架備用長機(jī)，飛行中可一鍵切換長機(jī)、從機(jī)編隊(duì)位置； ●?一鍵集結(jié)，一鍵解散，可隨時(shí)操控指定單機(jī)； ●??支持飛控在環(huán)的編隊(duì)仿真(飛控內(nèi)嵌數(shù)字飛機(jī)模型)。集群編隊(duì)飛行

六、未來展望

01、強(qiáng)化學(xué)習(xí)：強(qiáng)化學(xué)習(xí)是一種通過試錯(cuò)和獎(jiǎng)懲機(jī)制來優(yōu)化控制策略的方法。將強(qiáng)化學(xué)習(xí)應(yīng)用于無人機(jī)飛控算法可以進(jìn)一步提高無人機(jī)的自主飛行和決策能力。

? 02、安全性和和魯棒性：無人機(jī)的安全性和魯棒性是無人機(jī)技術(shù)發(fā)展的重要方向。無人機(jī)飛控算法需要考慮到各種異常情況和故障，提高無人機(jī)的安全性和可靠性。例如，無人機(jī)飛控算法可以設(shè)計(jì)故障檢測和容錯(cuò)機(jī)制，以及自適應(yīng)控制算法，使無人機(jī)能夠應(yīng)對各種不確定性和干擾。

? 03、智能決策和規(guī)劃：隨著無人機(jī)應(yīng)用場景的不斷擴(kuò)展，無人機(jī)飛控算法需要具備智能決策和規(guī)劃能力。例如，在復(fù)雜的環(huán)境中，無人機(jī)需要能夠根據(jù)任務(wù)需求和環(huán)境條件做出智能的飛行決策和路徑規(guī)劃，以實(shí)現(xiàn)高效、安全的飛行。 ? 未來，隨著技術(shù)的不斷創(chuàng)新和發(fā)展，無人機(jī)飛控算法將進(jìn)一步提高無人機(jī)的自主性、感知性和安全性，推動(dòng)無人機(jī)技術(shù)在各個(gè)領(lǐng)域的應(yīng)用和發(fā)展。 ? 來源：俄羅斯衛(wèi)星通訊社、華興通盛、創(chuàng)衡控制等；版權(quán)歸原作者所有，轉(zhuǎn)載目的在于傳遞更多信息，傳播相關(guān)技術(shù)知識；若侵犯了您的合法權(quán)益，請及時(shí)聯(lián)系我們刪除。 ?

編輯：黃飛

?