为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
现有的路径识别算法各有不足。基于特征的方法需要根据具体的环境选择合适的分割算法，因此有着一定的局限性和应用范围。基于参数模型算法的有效性取决于模型的精确度，因此对道路形状有着严格要求，适应性较差。基于神经网络的路径识别算法相较于传统方法鲁棒性高，适用范围广，能够通过简单的端对端网络实现路径跟踪。但在森林环境中，路径边缘模糊，树木分布不匀，不可避免地会出现低密度的森林场景。这类方法在此类场景下会出现严重误判，大大降低无人机路径跟踪的安全性和稳定性。针对这个问题，本文提出一种基于多列深度神经网络的方法，该方法通过建立一个双列深度神经网络模型——2CDNN，将相机获取的RGB图及其边缘与纹理特征作为输入，利用网络自主学习预测3种飞行方向（左转/直行/右转）的概率，在保证密集森林场景下路径识别准确率的前提下，大大提高在低密度场景下的识别准确率。