2、无人机与机器人导航技术新突破：YOLOv5与SLAM算法应用

无人机与机器人导航技术新突破：YOLOv5与SLAM算法应用

在当今科技飞速发展的时代，无人机和机器人技术在众多领域发挥着重要作用。无人机在军事、农业、交通监测等方面广泛应用，而机器人也在服务、工业等领域展现出巨大潜力。本文将深入探讨两个关键技术：基于YOLOv5的四轴飞行器自动着陆地标检测和基于ROS的麦克纳姆轮机器人SLAM算法评估与自主导航。

基于YOLOv5的四轴飞行器自动着陆地标检测

• 背景与挑战 ：无人机自主飞行中，视觉系统至关重要，但实现起来颇具挑战。大多数无人机事故发生在着陆阶段或因路径中的障碍物导致。传统的GPS技术在室内或某些禁止GPS传输的地方往往无法正常工作，且精度有限。视觉传感器虽具有体积小、便携、功耗低、成本低等优点，但受光照、视角和图像分辨率的影响。
• YOLOv5简介 ：YOLOv5是由Ultralytics提出的目标检测算法，具有速度快、精度高的特点。它采用CSPDarknet53架构，以SPP层为骨干，PANNet为颈部，YOLO为检测头。该算法将图像作为网格进行分类，最终合并为单张图像。网络主要由骨干网络、特征金字塔和检测头三部分组成，骨干网络提取不同尺度图像的特征，特征金字塔融合不同尺度的特征，检测网络预测标记周围的边界框。
• 方法步骤
  1. 数据集收集 ：将H标记打印在2英尺×2英尺的柔性板上放在地面，使用带有固定摄像头的DJI四轴飞行器在不同高度和方向拍摄地面视频，生成训练YOLOv5算法所需的标记数据集。目前使用50张图像生成正负样