基于改进YOLOv5s的四旋翼自主降落标识检测算法

作者：李晓轩; 甄子洋; 刘彪; 梁永勋; 黄祎闻

来源：计算机测量与控制, 2023, 31(06): 80-86.

DOI：10.16526/j.cnki.11-4762/tp.2023.06.013

• 无人机
• 小目标检测
• YOLOv5s
• BiFPN
• EIoU Loss
• 嵌入式平台

无人机自主降落是无人机领域研究的热点之一，导航信息在自主降落过程中又起到至关重要的作用，而视觉导航相较于传统导航方式可以提供更多环境信息，有利于提高无人机着陆安全性；当无人机飞行高度越高，机载相机捕获到的降落标识物就越小，为了提升无人机识别标识物的能力，基于YOLOv5s算法提出了一种改进的无人机实时小目标检测算法；首先，为了检测到更小尺度的目标在原算法基础上新增一个检测头；然后采用BiFPN代替原先PANet结构，提升不同尺度的检测效果；最后将EIoU Loss替换CIoU Loss作为算法的损失函数，在提高边界框回归速率的同时提高模型整体性能；将改进算法应用于无人机自主降落场景下的二维码降落标识检测，实验结果表明改进后的算法在小目标检测中相比于原始YOLOv5s算法的特征提取能力更强、检测精度更高，证明了改进算法的优越性。

• 单位
  自动化学院; 中国航空工业集团公司沈阳飞机设计研究所; 南京航空航天大学