降落是無人機飛行中最具挑戰性的階段。缺乏高效的系統導致降落事故屢見不鮮，造成機上硬件損壞。為了解決這個問題，本研究採用YOLO(You Only Look Once) 深度學習網路以及影像處理技術，將馬路視為定翼無人機的降落跑道。首先，我們搜集了相關的圖像並進行標註，以建立訓練數據庫，確保圖像涵蓋各種視角下的馬路場景，從而使模型能夠適應多樣的環境。接著，我們運用YOLOv4 物件辨識演算法進行模型訓練，同時測試了模型的預測結果。再將模型的預測結果透過影像處理技術，像是Canny邊緣檢測和Hough轉換找尋降落跑道的中線。最終目標是開發一個有效的跑道自動辨識系統，有助於無人機在著陸時更準確地識別合適的著陸場地，將馬路視為其中一個可行的降落區域。

Landing is the most challenging phase of drone flight. The lack of efficient systems frequently leads to landing accidents, causing hardware damage. To address this issue, this study employs the YOLO (You Only Look Once) deep learning network and image processing techniques, considering roads as runways for fixed-wing drones. First, we collected relevant images and annotated them to establish a training database, ensuring the images cover road scenes from various perspectives so the model can adapt to diverse environments. Then, we trained the model using the YOLOv4 object detection algorithm and tested the model's predictions. The model's prediction results were further processed using image processing techniques, such as Canny edge detection and Hough transform, to find the centerline of the landing runway. The ultimate goal is to develop an effective runway automatic detection system that aids drones in accurately identifying suitable landing sites, with roads being one of the feasible landing areas.

目錄 

1 緒論 1 

1.1 研究動機. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 

1.2 文獻回顧. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 

1.3 研究方法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 

1.4 章節概述. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 

2 跑道辨識演算法簡介 5 

2.1 神經網路. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 

2.1.1 卷積神經網路. . . . . . . . . . . . . . . . . . . . . . . . . 5 

2.2 YOLO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 

2.2.1 YOLOv4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 

2.3 損失函數. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 

3 影像處理 12 

3.1 RGB 色彩空間. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 

3.2 灰階影像. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 

3.3 閾值計算. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 

3.4 二值化轉換. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 

3.5 Canny 邊緣偵測. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 

3.6 Hough 轉換. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 

4 實驗架構與結果 20 

4.1 實驗架構. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 

4.2 硬體設備. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 

4.2.1 個人電腦與筆記型電腦. . . . . . . . . . . . . . . . . . . . 21 

4.2.2 空拍機. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 

4.3 YOLOv4 模型訓練. . . . . . . . . . . . . . . . . . . . . . . . . . . 23 

4.3.1 模型訓練流程. . . . . . . . . . . . . . . . . . . . . . . . . 23 

4.3.2 圖片標註. . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 

4.3.3 評估模型優劣. . . . . . . . . . . . . . . . . . . . . . . . . 26 

4.3.4 訓練結果與測試. . . . . . . . . . . . . . . . . . . . . . . . 27 

4.4 影像處理. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 

4.4.1 擷取影像. . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 

4.4.2 灰階影像. . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 

4.4.3 二值化轉換. . . . . . . . . . . . . . . . . . . . . . . . . . . 36 

4.4.4 Canny 邊緣偵測. . . . . . . . . . . . . . . . . . . . . . . . 37 

4.4.5 Hough 轉換. . . . . . . . . . . . . . . . . . . . . . . . . . . 38 

4.4.6 數據分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 

4.5 空拍模擬實驗. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 

5 結論與後續研究 50 

5.1 結論. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 

5.2 後續研究. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 

 

圖目錄 

1.1 研究方法流程圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 

2.1 卷積神經網路架構圖[13] . . . . . . . . . . . . . . . . . . . . . . . 6 

2.2 卷積層架構圖[14] . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 

2.3 最大池化結果圖[15] . . . . . . . . . . . . . . . . . . . . . . . . . . 7 

2.4 全連接層架構圖[16] . . . . . . . . . . . . . . . . . . . . . . . . . . 7 

2.5 YOLO 辨識流程[5] . . . . . . . . . . . . . . . . . . . . . . . . . . 8 

3.1 RGB 影像. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 

3.2 灰階影像. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 

3.3 梯度方向[18] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 

3.4 最大值抑制示意圖[18] . . . . . . . . . . . . . . . . . . . . . . . . 17 

3.5 二值化圖像. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 

3.6 Hough 空間. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 

4.1 實驗架構圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 

4.2 DJI Mavic3 [19] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 

4.3 訓練流程圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 

4.4 Labelme 的介面. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 

4.5 圖片標註JSON 檔內容. . . . . . . . . . . . . . . . . . . . . . . . . 25 

4.6 YOLOv4 txt 檔內容. . . . . . . . . . . . . . . . . . . . . . . . . . . 25 

4.7 Intersection over Union [20] . . . . . . . . . . . . . . . . . . . . . . 26 

4.8 訓練曲線. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 

4.9 空拍照1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 

4.10 空拍照2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 

4.11 跑道辨識結果1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 

4.12 座標內容1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 

4.13 跑道辨識結果2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 

4.14 座標內容2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 

4.15 跑道中線偵測流程圖. . . . . . . . . . . . . . . . . . . . . . . . . . 33 

4.16 擷取內容1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 

4.17 擷取內容2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 

4.18 灰階影像1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 

4.19 灰階影像2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 

4.20 二值化結果1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 

4.21 二值化結果2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 

4.22 Canny 結果1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 

4.23 Canny 結果2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 

4.24 中線偵測結果1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 

4.25 中線偵測結果2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 

4.26 中線偵測在原圖結果1 . . . . . . . . . . . . . . . . . . . . . . . . 40 

4.27 中線偵測在原圖結果2 . . . . . . . . . . . . . . . . . . . . . . . . 41 

4.28 數據輸出結果. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 

4.29 距離誤差. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 

4.30 角度誤差. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 

4.31 YOLOv4 辨識結果1(順序為由左至右，由上至下) . . . . . . . . . 43 

4.32 YOLOv4 辨識結果2(順序為由左至右，由上至下) . . . . . . . . . 44 

4.33 座標內容1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 

4.34 座標內容2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 

4.35 跑道中線偵測結果1(順序為由左至右，由上至下) . . . . . . . . . . 45 

4.36 跑道中線偵測結果2(順序為由左至右，由上至下) . . . . . . . . . . 46 

4.37 數據輸出結果1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 

4.38 數據輸出結果2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 

4.39 距離誤差計算結果1 . . . . . . . . . . . . . . . . . . . . . . . . . . 47 

4.40 角度誤差計算結果1 . . . . . . . . . . . . . . . . . . . . . . . . . . 48 

4.41 距離誤差計算結果2 . . . . . . . . . . . . . . . . . . . . . . . . . . 48 

4.42 角度誤差計算結果2 . . . . . . . . . . . . . . . . . . . . . . . . . . 49 

 

表目錄 

4.1 個人電腦規格表. . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 

4.2 筆記型電腦規格表. . . . . . . . . . . . . . . . . . . . . . . . . . . 21 

4.3 空拍機規格表. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 

4.4 相機規格表. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 

4.5 效能指標. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 

[1] 周威宇, “機器視覺於跑道辨識以引導無人機近場與降落,” Jul. 2015.
[2] 王明暉, “空照機場跑道影像辨識系統,” 臺灣博碩士論文知識加值系統, 碩士論文, 中華
大學, 2010.
[3] M. Laiacker, K. Kondak, M. Schwarzbach, and T. Muskardin, “Vision aided automatic landing
system for fixed wing uav,” in 2013 IEEE/RSJ International Conference on Intelligent Robots
and Systems, 2013, pp. 2971–2976. DOI: 10.1109/IROS.2013.6696777.
[4] J. Akbar, M. Shahzad, M. I. Malik, A. Ul-Hasan, and F. Shafait, “Runway detection and localization
in aerial images using deep learning,” in 2019 Digital Image Computing: Techniques
and Applications (DICTA), 2019, pp. 1–8. DOI: 10.1109/DICTA47822.2019.8945889.
[5] J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, “You only look once: Unified, real-time
object detection,” in Proceedings of the IEEE Conference on Computer Vision and Pattern
Recognition (CVPR), 2016.
[6] 黃威銘, “基於資料擴增與深度學習的改善磁控膠囊內視鏡辨識腸道之研究,” Ph.D.
dissertation, 2020.
[7] 顏大立, “基於yolov4 之即時旗語辨識研究,” 中原大學電子工程學系學位論文, vol. 2021,
pp. 1–60, 2021.
[8] 李育辰, “利用yolo 技術進行銲接缺陷辨識之研究,” 臺灣博碩士論文知識加值系統, 碩士
論文, 國立臺北科技大學製造科技研究所, 2023.
[9] 林冠霖, “Yolo 深度學習網路應用於漁船編號之辨識,” 臺灣博碩士論文知識加值系統, 碩
士論文, 國立臺灣海洋大學, 2021.
[10] 郎崇年, “以matlab 為平台進行可見光域即時目標物辨識,” 淡江大學航空太空工程學系
碩士班學位論文, vol. 2012, pp. 1–86, 2012.
[11] 王世源, “應用霍夫轉換於車道檢測系統,” 臺灣博碩士論文知識加值系統, 碩士論文, 遠
東科技大學, 2016.
[12] 吳語瑄, “基於電腦視覺之車道線偵測與路線修正系統,” 臺灣博碩士論文知識加值系統,
碩士論文, 國立臺灣海洋大學, 2020.
[13] James. “資料分析機器學習第5.1 講卷積神經網絡介紹(convolutional neural network).”
(2017), [Online]. Available: https://medium.com/jameslearningnote/%E8%B3%87%E6%
96%99%E5%88%86%E6%9E%90-%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-%E7%AC%AC5-
1%E8%AC%9B-%E5%8D%B7%E7%A9%8D%E7%A5%9E%E7%B6%93%E7%B6%B2%E7%B5%A1%E4%BB%
8B%E7%B4%B9-convolutional-neural-network-4f8249d65d4f.
[14] C. I. “卷積神經網絡(convolutional neural network, cnn).” (2020), [Online]. Available: https:
//medium.com/ching-i/%E5%8D%B7%E7%A9%8D%E7%A5%9E%E7%B6%93%E7%B6%B2%E7%B5%
A1-convolutional-neural-network-cnn-d7246d24ff3e.
[15] lee0623. “深度學習名詞解釋.” (2019), [Online]. Available: https://ithelp.ithome.com.
tw/m/articles/10222861.
[16] 知乎. “卷積神經網絡.” (2019), [Online]. Available: https://www.zhihu.com/topic/
19607065/intro.
[17] 蔡政哲, “視障人士穿越道路之視覺輔助引導系統,” 臺灣博碩士論文知識加值系統, 碩士
論文, 國立中山大學, 2018.
[18] 天道酬勤. “Opencv 實作邊緣偵測canny 演算法.” (2019), [Online]. Available: https :
//medium.com/@bob800530/opencv-%E5%AF%A6%E4%BD%9C%E9%82%8A%E7%B7%A3%E5%
81%B5%E6%B8%AC-canny%E6%BC%94%E7%AE%97%E6%B3%95-d6e0b92c0aa3.
[19] Amazon. “Dji mavic 四軸飛行器(附遙控器) - 翻新.” (2021), [Online]. Available: https:
//www.amazon.com/-/zh_TW/DJI-Mavic-%E5%9B%9B%E8%BB%B8%E9%A3%9B%E8%A1%
8C%E5%99%A8-%E9%99%84%E9%81%99%E6%8E%A7%E5%99%A8-%E7%BF%BB%E6%96%B0/dp/
B09TWW8NR9?th=1.
[20] H. Wang. “Machine learning concept: Mean (average).” (2018), [Online]. Available: https:
//hemingwang.blogspot.com/2018/04/machine-learning-conceptmean-average.
html.
[21] Yolov4 辨識結果1, https://youtu.be/xAuiMkLKLUs.
[22] Yolov4 辨識結果2, https://youtu.be/68J87lgq5rQ.
[23] 跑道中線偵測結果1, = https://youtu.be/ORfOj8eMU9Q.
[24] 跑道中線偵測結果2, = https://youtu.be/GUVFOy9V75E.
[25] 數據輸出結果1, https://drive.google.com/file/d/1i9Hug2c-AbH29DDRgp0J7HZ2IBrxncn-
/view.
[26] 數據輸出結果2, https://drive.google.com/file/d/17uxt9z69kDKozNcdQSiD0XKlkjKcNI7I/
view?usp=sharing.