基于改进YOLOv5的飞机舱门识别与定位方法研究

【类型】期刊

【作者】张长勇  郭聪  李玉洲  张朋武 

【刊名】计算机测量与控制

【关键词】 舱门识别与定位,YOLOv5,机场特种车辆,自动靠机,三维定位

【摘要】机场特种车辆的自动靠机是未来智慧机场发展的必然要求，实现自动靠机的关键是对飞机舱门进行准确识别与定位；针对于此问题，提出一种基于改进YOLOv5和单目视觉的舱门识别与定位方法，通过在模型中加入了一种轻量化的卷积注意力模块(CBAM,convolutional block attention module),提高了算法对飞机舱门的特征提取能力；针对YOLOv5的重复特征提取问题，引入了空间金字塔池化结构(SPPCSPC,spatial pyramid pooling cross stage paritial connection),并改进分组卷积组数为4,提高了算法的检测精度；通过获取候选框中角点的像素，利用空间几何关系，实现了对舱门准确的三维定位。实验结果表明，改进后的YOLOv5算法mAP达到96.5%,相比原有算法提升了5.6%。在舱门前方19 m和1 m处时，实时最大定位误差分别为0.15 m和0.01 m,能够满足特种车辆靠机完成后与舱门保持5～10 cm的安全距离要求。

【年份】2024

【作者单位】中国民航大学电子信息与自动化学院;南航股份公司工程技术分公司北京基地;

【期号】01

【页码】142-149