首页--航空、航天论文--航空论文--各类型航空器论文--无人驾驶飞机论文

基于深度协同神经网络的无人机避障系统设计与实现

摘要第4-5页
abstract第5-6页
第一章 绪论第9-15页
    1.1 研究工作的背景与意义第9-10页
    1.2 相关研究的国内外状态第10-13页
        1.2.1 协同神经网络研究现状第10-11页
        1.2.2 基于深度学习的检测与识别算法研究现状第11-12页
        1.2.3 无人机避障算法研究现状第12-13页
    1.3 本文的主要贡献与创新第13页
    1.4 本论文的结构安排第13-15页
第二章 协同学与协同识别理论第15-33页
    2.1 协同学第15-19页
        2.1.1 协同学的基本思想第15-16页
        2.1.2 协同学的关键概念第16-19页
    2.2 协同神经网络第19-26页
        2.2.1 协同神经网络的数学模型第19-21页
        2.2.2 协同神经网络的结构第21-24页
        2.2.3 协同神经网络的运行过程第24-26页
    2.3 基于PCA特征的深度协同神经网络第26-32页
        2.3.1 PCA特征提取第26-28页
        2.3.2 深度协同神经网络的模型结构第28-29页
        2.3.3 深度协同神经网络的运行过程第29-32页
    2.4 本章总结第32-33页
第三章 无人机避障检测识别算法第33-51页
    3.1 基于金字塔采样的滑窗扫描方法第33-35页
    3.2 基于区域提名的的卷积神经网络第35-41页
        3.2.1 卷积神经网络模型第35-38页
        3.2.2 基于区域提名的CNN检测算法第38-41页
    3.3 无需区域提名的目标检测算法第41-46页
        3.3.1 YOLO检测算法第41-43页
        3.3.2 SSD检测算法第43-46页
    3.4 基于深度协同识别的无人机检测识别算法第46-50页
    3.5 本章总结第50-51页
第四章 无人机避障系统设计与实现第51-67页
    4.1 系统总体框架第51-52页
    4.2 障碍物数据集的制作以及样本预处理第52-55页
    4.3 障碍物检测与识别第55-58页
    4.4 无人机避障实现第58-66页
        4.4.1 无人机地面站的建立第58-59页
        4.4.2 传统无人机避障方法第59-61页
        4.4.3 避障功能介绍第61-65页
        4.4.4 避障测试第65-66页
    4.5 本章总结第66-67页
第五章 总结与展望第67-69页
    5.1 总结第67-68页
    5.2 后续展望第68-69页
致谢第69-70页
参考文献第70-73页
攻读硕士学位期间取得的研究成果第73页

论文共73页,点击 下载论文
上一篇:面向五轴侧铣加工的零件表面形貌仿真与粗糙度预测
下一篇:基于红外与可见光图像的无人机测距技术研究