Детектирование посадочной площадки и автоматическая по-садка беспилотного летательного аппарата по её изображению

Авторы и правообладатели:

• Кориков А. М. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Тран В. Т. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)

• 1. Системы управления беспилотными космическими и атмосферными летательными аппаратами // Тезисы докладов V Всерос. науч.-техн. конф., Москва, 8–10 ноября 2022 г. – Тамбов: ООО «Юлис», 2022. – 148 с.
• 2. Беспилотные летательные аппараты [Электронный ресурс]. – Режим доступа: https://habr.com/ru/post/65627/, свободный (дата обращения: 26.06.2023).
• 3. Кориков А.М. Нейросетевой анализ видеопотока, поступающего с камеры беспилотного летательного аппарата, для компенсации ошибок системы навигации и управления БПЛА / А.М. Кориков, В.Т Тран // Телекоммуникации. – 2023. – № 7. – С. 13–23.
• 4. Тран В.Т. Синтез адаптивного скользящего режима управления полетом квадрокоптера в условиях переменной нагрузки и помех / В.Т. Тран, А.М. Кориков // Доклады ТУСУР. – 2022. – Т. 25, № 2. – С. 37–44.
• 5. Кориков А.М. Кинематическая модель стабилизации и управления ориентацией подвесной аппаратуры беспилотного летательного аппарата / А.М. Кориков, В.Т. Тран // Мехатроника, автоматизация, управление. – 2023. – Т. 24, № 7. – С. 382–390.
• 6. Lawrence S. Face recognition: a convolutional neural network approach / S. Lawrence, C.L. Giles, A.C. Tsoi, A.D. Back // IEEE Transactions on Neural Networks, Special Issue on Neural Networks and Pattern Recognition. – 1997. – Vol. 8, No. 1. – P. 98–113.
• 7. LeCun Y. Gradient-Based Learning Applied to Document Recognition / Y. LeCun, L. Bottou, Y. Bengio, P. Haffner // Proceedings of the IEEE. – 1998. – Vol. 11. – P. 2278–2324.
• 8. Кулинкин А.Б. Нейросетевое детектирование объектов в условиях ограниченного времени / А.Б. Кулинкин, Е.А. Смирнов // Процессы управления и устойчивость. – 2016. – Т. 3.1. – С. 419–424.
• 9. Redmon J. You Only Look Once: Unified, Real-Time Object Detection / J. Redmon, S. Divvala, R. Girshick, A. Farhadi [Электронный ресурс]. – Режим доступа: https://arxiv.org/pdf/1506.02640 (дата обращения: 26.06.2023).
• 10. Redmon J. YOLO9000: Better, Faster, Stronger / J. Redmon, A. Farhadi [Электронный ресурс]. – Режим доступа: https://arxiv.org/pdf/1612.08242, свободный (дата обращения: 26.06.2023).
• 11. Abas Shakir Mahmood. A YOLO and convolutional neural network for the detection and classification of leukocytes in leukemia / Abas Shakir Mahmood, A.M. Abdulazeez, D.Q. Zeebaree // Indones. J. Electr. Eng. Comput. – 2021. – Sci 25.1.
• 12. Yanli L. An improved analysis of stochastic gradient descent with momentum / L. Yanli, Y. Gao, W. Yin // Advances in Neural Information Processing Systems 33. – 2020. – P. 18261–18271.
• 13. Hodson Timothy O. Root-mean-square error (RMSE) or mean absolute error (MAE): when to use them or not // Geoscientific Model Development 15.14. – 2022. – P. 5481–5487.
• 14. Li Mu. Efficient mini-batch training for stochastic optimization / Li Mu et al // Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining. – 2014. – P. 661–670.
• 15. Dorf R.C. Modern control systems / R.C. Dorf, R.H. Bishop. – Prentice Hall. – 2011. – 1110 р..