计算机工程与信息技术学报

基于无人机的物体检测和跟踪深度学习框架

穆罕默德·舒艾卜1、纳西尔·赛义德

近年来，人工智能与无人机 (UAV) 的融合已成为研究的热门话题，尤其是在无人机必须执行无法在人类控制下快速完成的复杂任务的情况下。无人机通常使用多个传感器来收集有关条件的完整详细信息，例如自上而下的摄像头或 LiDAR 传感器，主处理器测量无人机的所有轨迹。本文提出了一种跟踪检测到的目标的方法，该方法采用单目机载摄像头和强化学习模型。与以前的方法相比，该系统使用各种传感器和预先计算的轨迹，更具成本效益，并且能够适应大气。我们的模型通过使用 Duel Architecture Model (D3QN) 扩展以前的 Deep Double Q 网络，修改动作表和激励特征，结合 MobileNet 的支持实现三维手势和物体识别，为驱动网络图片输入添加了包罗万象的框细节。模拟在各种模拟设置中进行，每种设置都有其难度和复杂程度。“Airsim”应用程序是 Microsoft 支持的四旋翼模拟 API，用于研究。研究结果表明，使用基于收敛的探索算法，模型可以接近观察对象（人形），不会在途中遇到任何障碍，并且移动速度更快。