2017年以来，随着我国对海洋资源与环境日益重视[1]，为了维护国家利益与权益，亟需一款全自主、全天候的无人机艇协同探测装置。在机艇协同作业中，无人艇为无人机提供长了时间续航保证和良好安全保证，无人机也为无人艇提供了充足的视野和危险预警，同时还扩大了整个系统的作业范围。对于舰艇无法到达的浅水区、水岸边或者岛礁上，采用无人机进行勘察更为适合[2]。

在机艇协同中，无人机的回收始终是一大难点。传统的无人机回收方式分为三种：一种是采用组合定位定向导航方式，通过惯性导航、卫星导航[3]、地磁导航、地形辅助导航等方式，实时为无人机提供精确的方向基准和位置坐标，再通过预编程控制无人机实现自主返航；另一种是通过图像遥测控制系统，由地面、舰艇或者发射母机上的操作人员进行遥控；第三种结合前两种方法，在远距离时采用预编程控制，在接近目标后切换成实时遥控控制。

随着图像处理技术的发展，计算机视觉技术成功引入到了无人机回收问题中来，视觉导航技术已成为新的研究热点[4][5]。相比于传统导航设备，视觉信号抗干扰性较好，没有累积误差，也不存在容易受阻隔的问题。同时，视觉传感器是自主搜索目标位置的方式，采集的是可见光或红外线这类自然信息，不易被军事雷达等检测器侦测到。

基于以上特点，视觉导航技术常常作为保护无人机安全的最后一道屏障。试想当无人机作业的时候，如果GPS信号突然丢失，可能会造成外部无法操作的情况，更严重的可能会造成飞行的不稳定。此时利用视觉引导着舰技术让无人机脱离危险的情况，实现自主返航，这在很大程度上个可以减少财产的损失，保障无人机的安全。

无人机视觉引导着舰包含两种情况。当无人机和舰艇的距离足够近时，通常用特定的靶标实现视觉引导[4]，让无人机降落。一旦无人机超出了检测靶标的距离，就需要切换成舰船检测识别的方式，引导无人机靠近无人艇，达到可以检测靶标的区域后，再进行着舰。舰船目标检测识别的加入，极大的增加了无人机的作业范围，让无人机不再局限于一个小区域飞行。

本次毕业设计就无人机距离无人艇较远的情况，研究舰船检测算法，并将该算法应用到无人机视觉引导着舰项目中去，完成软硬件设计。

2. 研究的基本内容与方案

无人机视觉引导着舰是在不依赖GPS导航的情况下，仅通过视觉感知实现无人机的自主着舰。当无人机距离舰艇较近时，相机可以清晰的拍摄到舰艇上的靶标，无人机根据靶标位姿解算的结果实现自主降落。当无人机因距舰艇较远而无法正常识别靶标时，就需要对目标舰艇进行检测，引导无人机飞行，直到能够正常识别靶标。当无人机再远一点，检测算法将无法区分目标舰船和其他舰船，此时检测所有舰船，引导无人机飞行，直到找到目标舰船。

该研究的难点，一是为了控制无人机的正常飞行，对目标检测的实时性有很高需求；二是由于舰船是细长的形状，随着拍摄角度的不同，舰船目标的长宽比变化较大，不易定位；三是需要检测的类别有两个，一个是目标舰船，即Huster68，另一个是所有舰船，由于这两类存在包含关系，因此要区分他们十分不易。

目标检测过程由四个阶段组成。第一阶段，使用摄像机拍摄无人机周围状况，将图片传给机载计算机。第二阶段，将图片通过MobileNet v2卷积神经网络，提取出特征图（feature map）。第三阶段，用单次多盒检测器(single shot multibox detector，SSD)，根据特征图进行目标检测，确定目标的种类和位置。第四阶段，根据检测到的无人艇位置引导无人机飞行。硬件结构采用妙算 linux系统，软件平台采用caffe。

MobileNet v2卷积神经网络借鉴了残差网络（ResNet）的思想，结合了MobileNet的可分离卷积（depthwise separable convolution）设计，提出了反向残差块（InvertedResidual block）。在减少了参数和计算量的同时，使网络特征可以更好的表达。创新性的线性颈瓶（Linear Bottlenecks）设计使网络特征可以更好的从当前层传递到下一层，减小了传递损失。