论文部分内容阅读
无人机场景中,传感器大数据融合将造成数据量指数级增长,进而增大无人机飞控硬件压力。目前无人机端侧硬件算力不足,而广泛使用的图数传将任务卸载到无人机地面控制站这一方法也受到了通信带宽和延时的极大制约,未来需要探索新型无人机端侧强实时、高计算能力。因此,本文设计实现了一个智能无人机系统,引入AI技术,提高无人机端侧任务实时处理能力。本文的研究工作主要分为以下三个部分:（1）硬件设计部分:选取了飞腾FT-2000/4 CPU和寒武纪边缘计算思元MLU220加速卡以PCIe Gen3连接方式搭建物端智能计算机,为无人机端提供智能算力;根据无人机应用场景采用SDI、以太网、UART串口等数据传输方式,完成了OODA硬件通路连接;通过接口转换及电压转换技术完成了便携式供电系统的设计。（2）软件设计部分:设计了OODA软件层,并实现环境感知层和数据抽象层功能。配置端侧计算机网络,实现RTSP数据流实时接收并输出每一帧图片及文件地址;依据加速卡对于yolo＿v3和Mobile Net-SSD执行时间、功耗、稳定性等实验结果,本文选择部署Mobile Net-SSD网络,并在GPU服务器上完成了120000次训练,最终测试准确度高达90%,最后在MLU220部署模型并实现离线运行功能;考虑安全性和高效性因素,定制数据格式以UART串口方式完成OODA数据流传输。（3）系统优化部分:本文提出了重定制技术,采用区域插值技术将预处理任务卸载到飞腾FT-2000/4 CPU上,大大减少物端智能计算机工作延迟。此外,本文还提出了流式技术,将任务分割成子任务并分配至各个计算节点,并结合自启动技术,加快了OODA数据流处理速度,提高了无人机系统智能化程度。在智能无人机系统实现后,本文针对打造的百分之百纯国产物端智能计算机进行了多次测试。实验结果表明,其TPR（Target presence rate）值超过80%,OODA前两个环节的延迟仅为0.78s,功耗为26.8W。对比NVIDIA Jetson TX系列实现效果,物端智能计算机处理星光4K图片的FPS值为24,这有力体现出其强大的AI算力。此外,本文还模拟了真实战场环境,设计了机狗大战演示场景。机狗大战的成功结果充分证明了智能无人机系统可靠性,达到了项目的预定要求。