无无人机智能降落：深度学习与Jetson Nano驱动的实战项目

資源摘要信息: 本畢業專題研究成果聚焦于"無人機智慧降落"，由張庭韶、郭科顯、劉冠禹和吳政穎四位學員在指導老師陸子強的帶領下完成。研究的核心技術是將無人機的自主飛行能力與深度學習的物體辨識功能相結合。他們使用了NVIDIA Jetson Nano作為嵌入式計算平台，這款微型系統具有高效的圖像處理能力，能夠運行預先訓練好的深度學習模型進行實時影像辨識。 硬體環境方面，除了Jetson Nano外，研究還涉及了Pixhawk，這是一個常見的無人機自動駕駛板，配合GPS定位和數據傳輸模塊。無人機選擇的是ZD550，一個軸距為550毫米的開源無人機，其配備了基本的電調、螺旋槳、蜂鳴器以及遙控器接收器等部件。此外，攝像頭和圖傳模塊，以及圖傳天線（蘑菇頭）也對實現影像傳輸至地面站起到關鍵作用。 軟體環境方面，學員們利用Python Dronekit套件來編寫無人機飛行控制函數，這是一個基於Python的無人機自動飛行工具包，提供了與無人機硬件交互的功能。SITL（Software-in-the-Loop）飛行模擬環境也在開發過程中扮演了重要角色，通過與MissionPlanner的整合，可以創建一個完整的硬件在環（HIL）模擬器，用於無人機的測試和調試。MissionPlanner則是一個功能強大的地面站應用，它不僅支持固件更新、自動駕駛設定調整，還能進行航點規劃、航跡記錄和分析，甚至與PC飛行模擬器連接，實現虛擬飛行模擬。 研究過程中，學員們使用Matlab R2020a進行模型訓練和優化，CUDA技術則加速了深度學習模型的運算效率。總體來說，這個專題結合了無人機控制、人工智能和軟體模擬技術，旨在實現一架能夠智能識別目標並自主降落的無人機系統，展示了高度的技術整合和創新應用。