摘要
首先通过树莓派3B和开源Pixhawk飞行控制器构建性价比高的多旋翼无人机,将Google深度学习框架TensorFlow应用于多旋翼无人机着陆地标识别,采用卷积神经网络模型,将无人机拍摄的停机坪、飞机场、水面、建筑物、森林、草地、道路等图片作为训练集输人神经网络,通过多次训练校正神经网络参数,得到可用于多旋翼无人机着陆时可识别停机坪的神经网络模型。
引文
[1]刘帆,刘鹏远,李兵,等.TensorFlow平台下的视频目标跟踪深度学习模型设计[J].激光与光电子学进展,2017(9):283-291.
[2]冯伟,易绵竹,马延周.基于TensorFlow的俄语词汇标音系统[J].计算机应用,2018,38(4):971-977.
[3]张春露,白艳萍.基于TensorFlow的LSTM模型在太原空气质量AQI指数预测中的应用[J].重庆理工大学学报(自然科学),2018,32(8):143-147.
[4]华清远见.行控制器Pixhawk简介[EB/OL].(2018-08-15)[2019-04-26].http://emb.hqyj.com/Column/7615.html.
[5]杨小川,刘刚,王运涛,等.Pixhawk开源飞控项目概述及其航空应用展望[J].飞航导弹,2018(4):25-32.
[6]DroneCode.Linux开发环境[EB/OL].(2019-01-01)[2019-04-26].http://dev.px4.io/zh/setup/dev_env_linux.html.