浙江航天润博测控技术有限公司

本发明公开了一种基于方向上下文编码与双路径特征聚合的轻量级无人机小目标检测方法及系统，涉及目标检测技术领域。本发明方法包括以下步骤：获取无人机航拍图像，预处理生成训练数据集；使用PCFA模块替换YOLOv8模型中Backbone中C2F模块，删除原YOLOv8模型中的最深层P5检测分支，增加面向浅层高分辨率特征的P2预测路径，获得DCPA‑Det模型；输入训练数据集不断迭代得到最优权重，获得训练好的DCPA‑Det模型；输入待检测图像，输出待检测图像中的目标类别和目标位置检测结果。本发明能够在保持较低计算复杂度的同时，提高对弱边缘、小纹理、密集遮挡目标及低分辨率目标的检测能力。

本发明公开了一种基于点和线的融合语义SLAM方法，涉及视觉定位技术领域，利用YOLOv8目标检测网络对RGB图像进行动态检测，得到检测结果；对获取的RGB图像同时提取点特征和线特征，得到点特征和线特征；结合检测结果，对得到的点特征和线特征进行动态特征剔除，得到静态点、线特征；并利用静态点、线特征进行位姿优化。本发明联合深度信息和对极几何剔除动态对象的动态点，同时，针对轻量型神经网络造成的漏检问题，给出了检测补偿来弥补漏检。本发明还在提取点特征的基础上，加入了线特征来弥补动态场景下特征数量不足的问题，增加了SLAM算法在动态环境下的准确性和鲁棒性。