张宇博，曹有权

基于Faster R-CNN算法的自主空中加油锥套识别

张宇博，曹有权

（中国电子科技集团公司第二十研究所，西安 710068）

随着无人机技术的发展，自主空中加油技术增加了无人机飞行半径和有效载荷，提升了无人机的作战效能。本文针对复杂环境下无人机软管式空中加油的精确引导技术，在无人机自主空中加油近距离对接阶段过程中，对油机锥套识别这个关键环节展开研究。利用深度学习和图形处理，提出一种基于Caffe框架的Faster R-CNN神经网络深度学习的新方法。为了保证该方法的鲁棒性和广泛应用，采用软管式空中加油的真实数据，制作了一个图像的深度学习数据集。根据实验数据验证了基于Caffe框架的Faster R-CNN锥套识别算法的鲁棒性和识别精度，并通过对比实验证明了在复杂的无人机加受油环境中，该识别算法也具有较好的锥套识别能力。

无人机空中加油；计算机视觉；锥套识别；深度学习算法

0 引言

在现代军事活动中，自主空中加油技术可以增加无人机行驶航程和有效载荷，延长航行时间，极大地提高了无人机的效能，扩大了作战半径，增强了战略部署[1]。因此，展开针对自主空中加油关键技术的研究具有重要的意义。目前，基于软管式空中加油即通过软管连接的受油锥套和加油插头对接完成油料的传输。由于其经济性和灵活性，该加油方式尤其适用于无人机空中的自主加受油[2-4]。因此，越来越多的研究人员致力于软管式无人机自主空中加油的技术开发。……