论文部分内容阅读
摘要：现阶段，无人机的研发与应用得到了较大的发展，其在军事与民事两个领域的应用日趋广泛，极大地提升了相关作业的自动化与智能化水平。推进无人机研发的持续发展，需要对其中的一些关键技术予以充分重视，本文即由此入手，在分析无人机应用与研发现状的基础上，对传感器技术、通信传输技术、人工智能技术、机器学习技术等一系列关键技术进行了探析，希望能够裨益无人机研发实践。
关键词：无人机;人工智能;机器学习;传感器;通信传输
无人机是一种通过采用先进电子芯片、无限遥控设备来对飞行路径予以直接或间接控制的飞行器。无人机通常具有体积较小、便于携带、操作灵活、使用方便等典型特征，能够在许多较为困难的作业场景中飞行，应用潜力巨大。与此同时，随着人工智能、机器学习、5G通信等技术的不断发展，下一代无人机研发的轮廓已大致显示出来，有基于此，本文对下一代无人机研发中的一些关键技术展开了深入分析，以期为无人机研发及应用实践提供一定的借鉴参考。
1 无人机应用与研发现状
目前，无人机在下述几个领域中得到了较为广泛的应用：一是军事侦察领域，无人机可以从许多严苛的自然环境中进行地形地貌信息的捕捉，将之传输给所需部门，服务作战计划的制定;二是农业植保领域，无人机可以进行农药喷洒以及灌溉等一系列操作，极大地提升农业生产效率;三是灾难救援领域，无人机可前往人们无法工作的恶劣环境之中进行搜寻或是救灾相关工作;四是电力巡查领域，通过无人机来实现对所有线路数据信息的拍摄，精准定位故障位置，从而提升电力巡查效率;五是影视拍摄领域，可以利用无人机来进行一些较高难度的拍摄工作，为影视制作创新提供一条新途径;六是新闻报道领域，对于部分较为特殊却有具有较高时效性的新闻场景，可以利用无人机前往拍摄，保障记者等工作人员的人身安全，并对新闻事件动态信息予以实时采集。
2 无人机研发中的关键技术分析
无人机，顾名思义，其最为显著的特征与优势便在于无人驾驶，人们在操作室中对其进行遥控指挥即可完成对应的飞行操作，亦或是执行相应的任务。故而，进行无人机的研发，关键技术在于能够通过传感器、互联网来达到对操作室指令数据的准确接收，并依托人工智能、机器学习等技术来完成对相应场景的精确识别，从而实现对无人机飞行路径的自动化控制。
2.1 传感器技术
无人机属于一个电子芯片的集合体，且构成无人机的电子硬件种类与数量均较多，为了实现对这些复杂电子硬件设备的高效管理，从而为无人机的飞行及作业奠定坚实的基础，需要采用较为先进的传感器技术，将之部署于无人机之上，对无人机相关设备运行状态的数据予以实时采集，并传输给监控人员，供其开展分析，从而为无人机的管理及运行养护提供可靠的参考依据。此外，构成无人机的诸硬件设备之间欲实现协同配合亦离不开强大的传感器技术加以支撑，这就需要用到多媒体信息处理及物联网通信技术，来对诸设备之间的信息传输共享予以优化，进而提升信息处理效率，强化诸设备之间的协同配合能力。现阶段，推进无人机研发工作迈向一个全新发展阶段，需要重点关注传感器技术中的单片机、微处理器、ZigBee等，这是提升无人机诸设备作业协助能力的关键所在。
2.2 通信传输技术
通信传输技术的内涵较为丰富，但其中最为重要的当属移动无线通信技术，通过地面移动基站，能够实现无人机同地面控制室之间多种形式信息的共享传输。目前，通信技术的发展速度较快，物联网、TD-LTE等技术相继涌现，另外，5G技术的到来为无人机通信带来了巨大的发展机遇，5G技术支撑下的数据传输具有低时延、高速度的显著优势，极大地满足了无人机高速飞行所产生的一系列严格要求，依托5G移动通信网络构建的互联网接入网络更为适用于航空移动网络，同时还可切实增强无人机无线数据通信传输的安全性。可以预见，推动无人机研发同5G通信技术的深度融合，将会是下一代无人机发展的主流方向。
2.3 人工智能技术
人工智能技术是人类计算机技术发展到一定阶段的产物，其在无人机研发中的应用前景十分广阔。将人工智能技术运用到无人机上，识别作业场景相关数据信息的精确性能够得到大大提升，這些精确的信息输入到专家系统后，经由各种类型启发式规则予以操作处理，便可完整而准确地提供无人机飞行路线规划决策所需要的科学依据。再者，人工智能技术与机器学习技术、深度学习技术、机器人技术的有机结合，还能够形成技术的协同效应，将自身的潜力进一步释放出来，把无人机飞行控制的自动化、智能化水平推向一个全新的发展阶段。除此之外，基于人工智能的自主控制无人机研发会成为未来的一个大方向，在人工智能技术助力下的无人机将极大地拓展自身适用范围，应用到更多的复杂场景中去。
2.4 机器学习技术
机器学习技术能够极大地提升识别算法的成效，通过使用更为先进的卷积神经网络、K-Means等模式，无人机拍摄路线与相应照片之中的特征类型可以得到高效识别，从而实现对目标物体的动态化追踪。以无人机所采用的卷积神经网络为例，内部包含两个卷积层：其一为特征提取层，该卷积层的输入神经元与前一层局部连接，能够对局部特征进行提取，同时科学地确定好特征以及特征位置的关系;其二为特征映射层，能够对接收到的相关信息，如视频图像等，进行预处理，从而将视频图像中具有的噪声数据规避掉，并压缩视频图像防止卷积神经网络算法执行出现过度拟合的状态，如此便可把学习到的分布式特征映射到一个标记空间，进而大大提升算法的可用性与可解释性。
3 结语
无人机在实际应用中的优势十分突出，一方面，造价低廉、运行成本低，同时还不需要飞行员驾驶操作，安全性得到了切实保障;另一方面，无人机适用范围广，且便于携带，能够极大地提升了部分行业的工作效率。推动无人机研发的进一步发展，需要解决好传感器技术、通信传输技术、人工智能技术、机器学习技术等一系列关键技术，从而使得无人机性能进一步提升，更好地服务于人类的生产生活。
参考文献
[1]唐记城，张春泉，段超，钱向阳. 无人机智能综合在线管控平台的应用研究[A]. 江苏省测绘地理信息学会.2019年江苏省测绘地理信息学会学术年会论文集[C].江苏省测绘地理信息学会：《现代测绘》编辑部，2019：3.
[2]郭慧，杨少川，张松炜，王毅.基于无人机辅助的无线通信系统关键技术研究[J].信息通信，2019（10）：188-189.
南京衡创天伟无人机技术有限公司 江苏 南京 210000
关键词：无人机;人工智能;机器学习;传感器;通信传输
无人机是一种通过采用先进电子芯片、无限遥控设备来对飞行路径予以直接或间接控制的飞行器。无人机通常具有体积较小、便于携带、操作灵活、使用方便等典型特征，能够在许多较为困难的作业场景中飞行，应用潜力巨大。与此同时，随着人工智能、机器学习、5G通信等技术的不断发展，下一代无人机研发的轮廓已大致显示出来，有基于此，本文对下一代无人机研发中的一些关键技术展开了深入分析，以期为无人机研发及应用实践提供一定的借鉴参考。
1 无人机应用与研发现状
目前，无人机在下述几个领域中得到了较为广泛的应用：一是军事侦察领域，无人机可以从许多严苛的自然环境中进行地形地貌信息的捕捉，将之传输给所需部门，服务作战计划的制定;二是农业植保领域，无人机可以进行农药喷洒以及灌溉等一系列操作，极大地提升农业生产效率;三是灾难救援领域，无人机可前往人们无法工作的恶劣环境之中进行搜寻或是救灾相关工作;四是电力巡查领域，通过无人机来实现对所有线路数据信息的拍摄，精准定位故障位置，从而提升电力巡查效率;五是影视拍摄领域，可以利用无人机来进行一些较高难度的拍摄工作，为影视制作创新提供一条新途径;六是新闻报道领域，对于部分较为特殊却有具有较高时效性的新闻场景，可以利用无人机前往拍摄，保障记者等工作人员的人身安全，并对新闻事件动态信息予以实时采集。
2 无人机研发中的关键技术分析
无人机，顾名思义，其最为显著的特征与优势便在于无人驾驶，人们在操作室中对其进行遥控指挥即可完成对应的飞行操作，亦或是执行相应的任务。故而，进行无人机的研发，关键技术在于能够通过传感器、互联网来达到对操作室指令数据的准确接收，并依托人工智能、机器学习等技术来完成对相应场景的精确识别，从而实现对无人机飞行路径的自动化控制。
2.1 传感器技术
无人机属于一个电子芯片的集合体，且构成无人机的电子硬件种类与数量均较多，为了实现对这些复杂电子硬件设备的高效管理，从而为无人机的飞行及作业奠定坚实的基础，需要采用较为先进的传感器技术，将之部署于无人机之上，对无人机相关设备运行状态的数据予以实时采集，并传输给监控人员，供其开展分析，从而为无人机的管理及运行养护提供可靠的参考依据。此外，构成无人机的诸硬件设备之间欲实现协同配合亦离不开强大的传感器技术加以支撑，这就需要用到多媒体信息处理及物联网通信技术，来对诸设备之间的信息传输共享予以优化，进而提升信息处理效率，强化诸设备之间的协同配合能力。现阶段，推进无人机研发工作迈向一个全新发展阶段，需要重点关注传感器技术中的单片机、微处理器、ZigBee等，这是提升无人机诸设备作业协助能力的关键所在。
2.2 通信传输技术
通信传输技术的内涵较为丰富，但其中最为重要的当属移动无线通信技术，通过地面移动基站，能够实现无人机同地面控制室之间多种形式信息的共享传输。目前，通信技术的发展速度较快，物联网、TD-LTE等技术相继涌现，另外，5G技术的到来为无人机通信带来了巨大的发展机遇，5G技术支撑下的数据传输具有低时延、高速度的显著优势，极大地满足了无人机高速飞行所产生的一系列严格要求，依托5G移动通信网络构建的互联网接入网络更为适用于航空移动网络，同时还可切实增强无人机无线数据通信传输的安全性。可以预见，推动无人机研发同5G通信技术的深度融合，将会是下一代无人机发展的主流方向。
2.3 人工智能技术
人工智能技术是人类计算机技术发展到一定阶段的产物，其在无人机研发中的应用前景十分广阔。将人工智能技术运用到无人机上，识别作业场景相关数据信息的精确性能够得到大大提升，這些精确的信息输入到专家系统后，经由各种类型启发式规则予以操作处理，便可完整而准确地提供无人机飞行路线规划决策所需要的科学依据。再者，人工智能技术与机器学习技术、深度学习技术、机器人技术的有机结合，还能够形成技术的协同效应，将自身的潜力进一步释放出来，把无人机飞行控制的自动化、智能化水平推向一个全新的发展阶段。除此之外，基于人工智能的自主控制无人机研发会成为未来的一个大方向，在人工智能技术助力下的无人机将极大地拓展自身适用范围，应用到更多的复杂场景中去。
2.4 机器学习技术
机器学习技术能够极大地提升识别算法的成效，通过使用更为先进的卷积神经网络、K-Means等模式，无人机拍摄路线与相应照片之中的特征类型可以得到高效识别，从而实现对目标物体的动态化追踪。以无人机所采用的卷积神经网络为例，内部包含两个卷积层：其一为特征提取层，该卷积层的输入神经元与前一层局部连接，能够对局部特征进行提取，同时科学地确定好特征以及特征位置的关系;其二为特征映射层，能够对接收到的相关信息，如视频图像等，进行预处理，从而将视频图像中具有的噪声数据规避掉，并压缩视频图像防止卷积神经网络算法执行出现过度拟合的状态，如此便可把学习到的分布式特征映射到一个标记空间，进而大大提升算法的可用性与可解释性。
3 结语
无人机在实际应用中的优势十分突出，一方面，造价低廉、运行成本低，同时还不需要飞行员驾驶操作，安全性得到了切实保障;另一方面，无人机适用范围广，且便于携带，能够极大地提升了部分行业的工作效率。推动无人机研发的进一步发展，需要解决好传感器技术、通信传输技术、人工智能技术、机器学习技术等一系列关键技术，从而使得无人机性能进一步提升，更好地服务于人类的生产生活。
参考文献
[1]唐记城，张春泉，段超，钱向阳. 无人机智能综合在线管控平台的应用研究[A]. 江苏省测绘地理信息学会.2019年江苏省测绘地理信息学会学术年会论文集[C].江苏省测绘地理信息学会：《现代测绘》编辑部，2019：3.
[2]郭慧，杨少川，张松炜，王毅.基于无人机辅助的无线通信系统关键技术研究[J].信息通信，2019（10）：188-189.
南京衡创天伟无人机技术有限公司 江苏 南京 210000