基于结构光的植保无人机障碍物在线检测系统
Obstacle detection system of plant protection UAVs based on structural light
查看参考文献12篇
|
文摘
|
为了确保植保无人机在飞行作业过程中的安全,要求植保无人机具有自动避障能力,为此提出了基于结构光视觉的障碍物检测方法.为提高障碍物检测的实时性,重点研究了基于嵌入式平台的植保无人机障碍物检测系统,通过将障碍物图像处理算法的并行计算映射到GPU硬件资源上完成,大大提高了算法的运行效率.实验表明,在保证障碍物轮廓线完整的前提下,通过对比CPU和CPU-GPU实现处理算法,障碍物检测系统获得了约46.15的加速比,采集及处理时间约为48.985 ms.该系统具有处理效果明显与实时性好等优点,为植保无人机的实时障碍物检测和进一步实现自动避障奠定了基础. |
|
其他语种文摘
|
In order to ensure the safety of plant protection unmanned aerial vehicles (UAVs), it was required to have the ability of the automatic obstacle avoidance. So a new obstacle detection method based on structured light vision was proposed. In order to improve the real-time performance of obstacle detection,based on the analysis of the latest general processor unit (GPU), the obstacle detection system of plant protection UAVs based on embedded platform was studied mainly. By mapping the obstacle image processing algorithm to GPU hardware resources to complete the parallel computation, the efficiency of the algorithm was greatly improved. Experiments show that the obstacle detection system based on embedded CPU-GPU achieves a speedup rate of about 46.15 by comparing the processing algorithms of CPU and CPU-GPU on the premise of ensuring the complete outline of the obstacle,and time-consuming of the acquisition and processing is about 48.985 ms. The system has the advantages of obvious effect of processing and good real-time performance,which lays the foundation for real-time obstacle detection and further obstacle avoidance of plant protection UAVs. |
|
来源
|
应用光学
,2018,39(3):343-348 【核心库】
|
|
DOI
|
10.5768/jao201839.0301008
|
|
关键词
|
植保无人机
;
结构光
;
在线检测
;
GPU
;
实时性
|
|
地址
|
杭州电子科技大学生命信息与仪器工程学院, 浙江, 杭州, 310018
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1002-2082 |
|
学科
|
自动化技术、计算机技术 |
|
文献收藏号
|
CSCD:6239868
|
参考文献 共
12
共1页
|
|
1.
Roberto Sabatini. LIDAR obstacle warning and avoidance system for unmanned aircraft.
International Journal of Mechanical, Aerospace, Industrial and Mechatronics Engineering,2014,8(4):62-73
|
CSCD被引
1
次
|
|
|
|
|
2.
陈根华. 用超声波测距的四旋翼无人机三维防撞系统设计.
单片机与嵌入式系统应用,2016,16(10):40-43
|
CSCD被引
1
次
|
|
|
|
|
3.
蒋超.
基于雷达和视觉复合传感器的无人机障碍物检测研究,2016
|
CSCD被引
1
次
|
|
|
|
|
4.
任耀庭.
基于超声波测距与图像信息相融合的旋翼无人机避障算法研究,2016
|
CSCD被引
3
次
|
|
|
|
|
5.
吴鑫. Jetson TK1平台实现快速红外图像背景预测算法.
红外与激光工程,2015,44(9):2615-2621
|
CSCD被引
4
次
|
|
|
|
|
6.
Radecki Krzysztof. A real-time focused SAR algorithm on the jetson TK1 board.
Proceedings of the Spie, 4,2016:1000412
|
CSCD被引
1
次
|
|
|
|
|
7.
刘斌. 基于空域和频域处理的红外图像细节增强算法.
红外技术,2011,33(8):477-482
|
CSCD被引
11
次
|
|
|
|
|
8.
陈恺. 基于萤火虫算法的二维熵多阈值快速图像分割.
光学精密工程,2014,22(2):517-523
|
CSCD被引
37
次
|
|
|
|
|
9.
华长发. 基于二维熵阈值的图像分割及基快速算法.
模式识别与人工智能,2000,13(1):42-46
|
CSCD被引
4
次
|
|
|
|
|
10.
赵红丹. 基于K-means算法分割遥感图像的阈值确定方法研究.
科学技术与工程,2017,17(9):250-254
|
CSCD被引
2
次
|
|
|
|
|
11.
贺继刚. 基于模板保留的快速并行细化算法.
计算机应用与软件,2007,24(12):26-28
|
CSCD被引
3
次
|
|
|
|
|
12.
姚俊. 显著性的无人机远距离障碍物检测.
沈阳理工大学学报,2016,35(4):21-26
|
CSCD被引
1
次
|
|
|
|
|
了解气象卫星更多信息，请访问