科研之友
微信
新浪微博
Facebook
分享链接
摘要
在机场飞行区存在的低空飞鸟严重威胁着飞行器的起飞和降落安全，而现有的驱鸟措施难以高效的驱离低空飞鸟，且存在设备资源消耗高和受时空影响大等问题。为此，本文提出使用无人驱鸟车替代有人驾驶车辆进行驱鸟工作，并使用搭载固定摄像云台的无人驱鸟车对机场低空中鸟类进行实时检测，获取鸟情数据之后为无人驱鸟车路径规划提供鸟情数据基础。本文方法分为鸟类检测和无人车路径规划两个部分，首先，针对鸟类检测的问题，本文提出一种基于坐标注意力机制改进的YOLOv5网络，对小目标鸟类进行高效的实时检测，使网络更加精准的对鸟类进行定位。其次，针对传统路径规划算法存在路径距离较长、拐点较多等缺陷，提出一种改进的天牛群算法，可有效缩短无人驱鸟车行驶距离，精准躲避机场内静态障碍物和动态障碍物并快速到达指定驱鸟位置。实验结果表明，本文方法可以有效的对机场鸟类进行检测，为无人驱鸟车及时提供鸟情数据，利用改进的天牛群算法缩短规划路径的距离，实现无人驱鸟车更加精准快速到达指定驱鸟位置，有效减少人力资源投入，切实节约无人驱鸟车行进所需能源，提高驱鸟效率。
-
单位中国民航大学; 自动化学院
