基于LGMD的无人机避障方法研究

doi:10.3778/j.issn.1002-8331.1904-0166

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (15): 250-256.DOI: 10.3778/j.issn.1002-8331.1904-0166

基于LGMD的无人机避障方法研究

马兴灶，赵剑楠，朱齐媛，傅沁冰，胡诚，雷芳，岳士岗

1.岭南师范学院机电工程学院，广东湛江 524048
2.林肯大学计算机科学学院，林肯 LN6 7TS

出版日期:2019-08-01 发布日期:2019-07-26

Study on Obstacle Avoidance Method of UAV Based on LGMD

MA Xingzao, ZHAO Jiannan, ZHU Qiyuan, FU Qinbing, HU Cheng, LEI Fang, YUE Shigang

1.School of Mechatronic Engineering, Lingnan Normal University, Zhanjiang, Guangdong 524048, China
2.School of Computer Science, University of Lincoln, Lincoln LN6 7TS, UK

Online:2019-08-01 Published:2019-07-26

摘要/Abstract

摘要： 为提高无人机避障的灵活性和可靠性，提出了一种基于LGMD（Lobula Giant Movement Detector）的无人机避障方法，通过将视场分割为上、下、左、右4个方位，形成4个方位竞争的LGMD（C-LGMD），并利用Matlab软件进行算法实现和视频仿真分析，最后将算法移植到无人机硬件系统，开展悬停测试和实时飞行实验研究。由视频仿真分析和悬停测试结果表明，该算法能有效分辨来自不同方位的障碍物，具有较好的避障性能和鲁棒性；在实时飞行测试中，无人机在室内环境中可实现三维空间有效避障，验证了该算法的可靠性。研究结果为进一步探索无人机高效、可靠避障提供参考依据。

关键词: 无人机, 竞争的小叶巨型运动检测器（C-LGMD）, 避障, 生物启发, 神经网络

Abstract: In order to improve the flexibility and reliability of UAV obstacle avoidance, an obstacle avoidance method for UAV based on LGMD is proposed. By dividing the field of view into four directions：upper, lower, left and right, a Competitive LGMD（C-LGMD） is formed. The algorithm implementation and video simulation analysis are carried out by using MATLAB software. Finally, the algorithm is transplanted to the hardware system of UAV, and the hovering test and real-time flight test of UAV are developed. Video simulation analysis and hovering test results show that the algorithm can effectively distinguish obstacles from different directions, and has good obstacle avoidance performance and robustness. In real-time flight test, UAV can effectively avoid obstacles in three-dimensional space in the indoor environment, which verifies the reliability of the algorithm. The results provide a reference for further exploring the efficient and reliable obstacle avoidance of UAV.

Key words: Unmanned Aerial Vehicle（UAV）, Competitive Lobula Giant Movement Detector（C-LGMD）, obstacle avoidance, bio-inspired, neural network

马兴灶，赵剑楠，朱齐媛，傅沁冰，胡诚，雷芳，岳士岗. 基于LGMD的无人机避障方法研究[J]. 计算机工程与应用, 2019, 55(15): 250-256.

MA Xingzao, ZHAO Jiannan, ZHU Qiyuan, FU Qinbing, HU Cheng, LEI Fang, YUE Shigang. Study on Obstacle Avoidance Method of UAV Based on LGMD[J]. Computer Engineering and Applications, 2019, 55(15): 250-256.

[1]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[2]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[3]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[4]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[5]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[6]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[7]	王博，宋丹，王洪玉. 无人机自主巡检系统的关键技术研究[J]. 计算机工程与应用, 2021, 57(9): 255-263.
[8]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[9]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[10]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[11]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[12]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[13]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[14]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[15]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.

基于LGMD的无人机避障方法研究

Study on Obstacle Avoidance Method of UAV Based on LGMD

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics