登录社区云，与社区用户共同成长
邀请您加入社区
本工作的主要贡献：（1）提出了一种双重语义增强结构，分别增强视觉和语言语义表征；（2）使用显式和隐式记忆传输通道来增强模型自适应记忆和推断导航状态的能力。
论文提出了一种新的全球规模的无人机任务生成方法，增强了任务规划的灵活性和准确性。引入了UAV-VLPA-nano-30基准测试，为全球规模的路径规划技术提供了标准化框架。
摘要—本文研究了利用单目摄像头进行空中对微型无人机（UAV）视觉检测的问题。该问题在许多应用中具有重要意义，例如基于视觉的无人机集群、恶意无人机检测以及无人机的“看见并避让”系统。尽管深度学习方法在许多目标检测任务中表现出色，但其在无人机检测中的潜力尚未得到充分探索。作为本文的第一个主要贡献，我们提出了一个名为Det-Fly的新数据集，该数据集包含由另一架飞行无人机获取的超过13,000张目标无人
近地面无人机植被定量遥感技术近年来在农业、生态学和环境监测等领域得到了广泛应用。该技术结合了无人机的高灵活性和遥感传感器的高精度，能够快速获取植被的高分辨率影像和生理参数。通过搭载多光谱、高光谱和热红外相机等传感器，无人机可以实时监测植被的生长状况、叶绿素含量、水分状况和营养元素。在数据处理方面，无人机遥感技术包括影像拼接、辐射校正和几何校正等步骤，以确保数据的准确性和可靠性。通过机器学习算法和辐
最近公司要做一个关于无人机飞行测量某种物质的项目，但是作者只在大学的时候接触过JS，上班之后致力于C++，已经忘了JS相关内容。不过那段时间正好deepseek横空出世，帮我解决了这个大难题，在这里记录一下学习历程。这里调用的是高德地图的Web端的接口，环境：VS2022+QT5.15.2。
摘要：由于对无人飞行器（UAV）相关的安全和隐私问题的日益关注，反无人机检测系统的兴趣不断增加。在边缘计算设备资源有限的情况下，实现高精度的实时检测是反无人机检测面临的一个重大挑战。现有的基于深度学习的反无人机检测模型往往无法在精度、处理速度、模型大小和计算效率之间取得平衡。为了解决这些局限性，本文提出了一种轻量级且高效的反无人机检测模型DRBD-YOLOv8。
基于模型预测控制（Model Predictive Control, MPC）的无人机路径规划是一种前沿的控制和优化方法，旨在实时地对无人机进行路径规划和控制。其中 \(L\) 是阶段成本函数，\(L_f\) 是终端成本函数，\(x_k\) 和 \(u_k\) 分别是状态和控制输入，\(N\) 是预测时域的长度。
基于Koopman算子合成的CBF进行碰撞避免研究是指利用学习的Koopman算子和控制边界函数（CBF）来实现无人机的碰撞避免。这种方法结合了动力学系统的模型和安全性约束，通过学习系统的动态特性和边界函数来设计出一个控制策略，使得无人机在避免碰撞的同时，能够实现其特定任务目标，比如着陆等。- 'uav_collision_ge_exp.m' 执行一个实验，在这个实验中，3个无人机试图降落在相同的
本文旨在探讨基于扩展卡尔曼滤波 (EKF) 结合时差定位 (TDOA) 和频差定位 (FDOA) 的多无人机无源定位技术。该方法通过利用多个无人机接收来自目标信号的时间差和频率差信息，结合EKF的非线性滤波能力，实现对目标位置的精准估计。文章将详细介绍EKF算法原理、TDOA/FDOA测量模型以及基于EKF+TDOA+FDOA的多无人机定位系统实现。同时，还将分析该方法的优势和局限性，以及未来发展
摘要： 无人机路径规划问题在近年来备受关注，尤其是在复杂山地环境下，如何兼顾路径安全性、航程效率以及地形适应性成为亟待解决的难题。本文提出了一种基于阿基米德优化算法 (AOA) 的无人机路径规划方法，旨在解决复杂山地环境下的路径规划问题。首先，建立了山地危险模型，将山地地形、气象条件以及潜在威胁等因素纳入模型中，以此评估路径的安全性。其次，基于 AOA 算法，利用其全局搜索能力和快速收敛性，对无人
摘要: 无人机路径规划在复杂山地环境下面临着地形约束、障碍物规避以及安全风险等诸多挑战。传统的路径规划算法难以有效处理这些复杂因素，导致规划路径效率低、安全性差。本文提出一种基于改进的侏儒猫鼬优化算法(Improved Dwarf Mongoose Optimization, IDMO)的无人机路径规划方法，用于解决复杂山地环境下的路径规划问题。
滑模控制应用于四轴飞行器在其中一个推进器故障时的稳定[发动机失效情况下无人机的控制与稳定]研究文档该算法的总体目标是为四轴飞行器建立一个辅助控制系统，该系统能在其中一个推进器发生故障时发挥作用，旨在防止物质损坏并确保设备操作区域内的安全。此外，由于该算法在滑模控制系统中融入了数学模型，因此可用于四轴飞行器的模拟。该算法已在试验台上进行了验证，并分析了多种故障场景。
建筑物模型外景整体纹理贴图映射采用倾斜航摄影像，不得使用通用材质纹理。选取色彩一致的图片纹理，严禁选取色差太大的纹理进行贴图。所有纹理不得进行压缩，保持原始分辨率。尺寸2的n次方，单张纹理数据量不得超过5MB。纹理一律采用jpg格式。纹理UV要符合实际比例，不得出现横向纵向明显拉伸的现象。纹理不得出现明显的扭曲，拉伸，错位。
以下是关于基于MPC（模型预测控制）、PID（比例-积分-微分控制器）、以及ode15s（MATLAB中的常微分方程求解器）的无人机开发模型预测控制的研究文档概要：无人机（UAV）在航拍、货物配送、搜索救援等领域的应用日益广泛，对其自主导航和轨迹跟踪能力提出了更高要求。模型预测控制（MPC）作为一种基于模型的控制技术，通过预测未来状态并优化控制输入来实现对复杂系统的控制，非常适合用于无人机的控制系
随着无人机技术的快速发展，其在复杂地形环境中的应用日益广泛，尤其是在山地、森林等危险区域的勘察与救援任务中。然而，复杂山地环境下的无人机路径规划问题具有高度的非线性和多约束性，传统优化算法往往难以高效求解。本文提出了一种基于花朵授粉优化算法（Flower Pollination Algorithm, FPA）的无人机路径规划方法，旨在解决复杂山地危险模型中的路径优化问题。通过模拟自然界中花朵授粉的
无人机（Unmanned Aerial Vehicle，UAV）路径规划是无人机应用的关键技术之一。在复杂山地环境下，无人机路径规划面临着地形起伏、障碍物分布以及潜在危险区域等多重挑战。传统的路径规划算法在处理此类复杂问题时往往效率低下，容易陷入局部最优。本文提出一种基于豪猪优化算法（Crested Porcupine Optimizer，CPO）的无人机路径规划方法，旨在解决复杂山地环境下的无人
QGC实时调整控制器参数实验：在进行硬件在环仿真和真机实验时，常常需要在QGC地面站中观察飞行状态，并对控制器参数进行实时调整，以使得飞机达到最佳的控制效果，但是，在Simulink中设计出得控制模型参数并不能在QGC中对控制器参数进行调整，因此，本实验基于RflySim平台得接口演示如何将控制器中的参数导入到QGC中，并进行调整。
无人机技术在近年来得到了快速发展，已经广泛应用于农业、航空、安全监测等领域。然而，随着无人机的使用场景越来越复杂，如何实现在复杂环境下的避障三维航迹规划成为了一个亟待解决的问题。本文将基于生物地理学算法，探讨在复杂环境下实现无人机避障三维航迹规划的方法和技术。生物地理学算法是一种模拟生物在地理环境中的行为和适应能力的计算模型，通过模拟生物在复杂环境中的行为，可以有效地解决无人机在复杂环境下的避障问
1序随着无人机的快速发展，倾斜摄影行业迎来了一个新的浪潮，越来越多的人利用无人机从事测绘行业的相关数据采集工作。在数据采集过程当中遇到了各种各样的问题，导致飞出来的数据不达标，无法完成模型重建工作。这里根据自己的接触对倾斜摄影过程当中重叠度、传感器、焦距、飞行速度、拍照间隔等参数以及他们之间的相互关系做一个简单的梳理。如有不当或错误之处敬请指正。本文很多内容参考自【Sm
主要工作内容利用无人机数码航空摄影技术手段完成厦门筼筜湖周边地区，总面积约1.64平方公里，获取筼筜湖畔范围内约1.64平方公里真彩数码航片，获取筼筜湖畔范围内约1.64平方公里1：1000数字线划图（DLG），生产数字高程模型（DEM），生成厦门筼筜湖周边地区数字正射影像图（DOM），地面分辨率优于0.1m的，成图比例尺满足1:1000的大比例尺航空影像工作任务。区域平均海拔高度约为10m，如.
01影像数据的获取近年来消费级无人机使用越来越普遍，用来干测绘的门槛也越来越低。随便拿台大疆四旋翼无人机，配上免费的第三方航线规划软件，再用网上到处能下载的无人机影像处理软件，就能轻松生成正射影像和倾斜三维模型。今天以大疆精灵系列无人机为例，主要介绍使用Pix4dCapture和Altizure软件进行无人机正射和倾斜三维影像数据获取，后续文章再单独介绍无人机影像数据处理。大疆...
无人机，尤其是四轴无人机，近年来凭借其灵活性、低成本和易操作性等优势，在各个领域得到了广泛应用，包括航拍摄影、物流配送、农业植保、灾害救援以及科学研究等。而对无人机飞行轨迹进行可视化和动画处理，不仅能够直观地呈现无人机的运动状态和飞行路径，还能为飞行安全分析、任务规划优化和技术改进提供强有力的支持。本文将深入探讨四轴无人机轨迹可视化与动画处理的技术挑战，并展望其在不同领域的应用前景。一、数据采集与
融合无人机生态环境监测技术和ArcGIS数据分析技术，通过具体案例分析与软件操作实践，详细介绍包括无人机多源遥感影像数据采集（可见光、多光谱、激光雷达等）、影像数据拼接、空间数据编辑、空间数据分析、空间数据专题制图等流程的一条完整作业“流水线”
传统校准依赖人工参数调整与固定算法，存在效率低（单图处理>3分钟）、复杂场景适应性差、多源数据融合难等痛点。基于DeepSeek的智能校准系统，正在将无人机测绘从“数据采集”升级为“智能感知”。的智能校准系统，通过实时几何-辐射-语义三重校正，实现亚像素级对齐精度（误差<0.5像素），让航拍数据真正成为空间信息的“黄金矿脉”。：GNSS/IMU融合定位（水平精度±2cm，姿态角±0.01°）：Tr
很多资源环境领域的从业人员也介入到无人机应用中，通过无人机搭载不同的传感器可以灵活高效地进行地表空间要素的动态监测，获取大量宝贵的监测数据，极大地解决了很多传统野外观测手段无法解决的问题。融合无人机生态环境监测技术和ArcGIS数据分析技术，通过具体案例分析与软件操作实践，详细介绍包括无人机多源遥感影像数据采集（可见光、多光谱、激光雷达等）、影像数据拼接、空间数据编辑、空间数据分析、空间数据专题制
无人机智能巡检系统包含无人机、无人机机场、飞行大脑和云端控制系统以及无人机管理调度平台，这些部分紧密的配合，得以实现无人机自主飞行、自主识别，从而使无人机巡检达到新的高度。但普通的无人机巡检还是高度依赖飞手，依赖人工操控无人机，从而达到巡检目的。飞行大脑是搭载在无人机上，使无人机能够有“思考”的功能，能够使无人机按照特定的路线进行飞行，能够按识别场景目标的状态及异常，能够自主返航并安全降落到机场里
5. 证明OpenIPC开源数字图传可以用于智能无人机视觉图像输入。1. 使用ElfinRC数字图传 MiniIPC图传。ROS机器人操作系统适配OpenIPC开源数字图传。3. 将图传摄像头数据转为ROS下话题数据。4. 使用ROS工具测试图像延时、清晰度。用作视觉图像输入延时在440毫秒左右。2. 网口连接图传和电脑。
差分进化算法的性能在很大程度上依赖于参数的选择，主要包括种群大小NP、缩放因子F和交叉概率CR。对于每个目标向量和对应的试验向量，如果试验向量的适应度（通常是目标函数值）优于目标向量的适应度，那么在下一代种群中替换目标向量；其中，𝑟𝑎𝑛𝑑𝑗(0,1)randj(0,1) 是一个随机数，𝑟𝑎𝑛𝑑(𝑖)rand(i) 是一个随机选择的维度索引，保证每个试验向量至少有一个来自变异向
基于物联网的服务受益于云，云提供了几乎无限的功能，如存储、处理和通信。然而，移动用户在满足服务质量（QoS）规定的情况下从云接收计算仍然面临挑战。在本文中，我们研究了使用边缘计算的计算卸载，这是一种将计算传递到移动用户附近的普及网络边缘的新范式。然而，如果没有强有力的激励措施，本地边缘服务器可能不愿意帮助卸载计算。为了激励云服务运营商和本地边缘服务器所有者参与计算卸载，我们将云服务运营方和边缘服务
今日，我们将为您深度剖析AI人工智能分布式存储方案，伴随AI技术在图像识别、自然语言处理、机器学习等领域的广泛运用，数据量呈现出爆炸式增长。我们相信，在不远的将来，AI人工智能分布式存储方案将为我们带来更多的惊喜和突破，推动 AI 技术在各个领域的广泛应用和深度发展。采用分布式架构，数据可以分布在多个节点上并行读取和写入，大大提高了数据的访问速度，满足AI对数据实时处理的需求。通过数据冗余和副本机
python无人机目标识别+目标跟踪检测系统（OpenCV+YOLO实现） 计算机毕业设计（包含文档+源码+部署教程）
DroneVenicle数据集是由天津大学收集、标注的大型无人机航拍车辆数据集。本文章阐述了怎么样用Yolo11去训练该数据集。
关注公众号，发现CV技术之美本文转自西湖大学智能无人系统课题组，作者贾宝强。轨迹预测是一项广泛应用于多个领域的科学技术，无论是交通规划、无人驾驶汽车、运动员训练，还是风暴路径预测，都离不开轨迹预测。本文旨在介绍轨迹预测的基本概念、主要方法和发展趋势，以期为感兴趣的读者提供一个科普性的参考。1 轨迹预测的定义运动预测（motion prediction）指机器人能够预测物体的未来状态，包括轨迹预测、
开始接触无人机路径规划 逐步学习中
(Active Disturbance Rejection Control, ADRC)是由韩京清先生于1998年正式提出，其独特之处在于它把作用于被控对象的所有不确定因素归结为“未知扰动”，而用对象的输入输出数据对它进行估计并补偿。，即可看到ADRC-Controller被添加到了工程中（ADRC-Controller的目录点亮）。（搭载FMT的ICF5飞控）进行实现，基于该无人机可以直接复现视
无人机视角yolo多模态、模型剪枝、国产AI芯片部署
大疆L1是一个激光雷达载荷，该载荷包括一个激光点云传感器和一个可见光传感器。截止2023年12月，已经发布了升级版L2，本文以L1获取的数据为例。在使用L1的时候，应该开启RTK模式，否则无法在DJI Terra中处理软件：DJI Terra（大疆智图）该软件是大疆官方发布的点云处理软件，在非付费版中，可以将L1中的激光点云数据转换成常用的点云格式，如LAS/PLY/PCD/S3MB等。
本教程基于PixHawk 4飞控硬件演示。
随后，论文提出了一种基于VO原理的多机器人导航方法，并在多种具有挑战性的场景中进行了验证。其次，为了验证所提出方法的先进性，论文在相同设置下，构建了包含两个静态障碍物和两个动态障碍物的新仿真环境（如图5所示），以完成率、锁死率、平均行进距离作为评价指标，同时对比VO、RVO、HRVO方法分别在基于圆形与基于论文多边形避障方法的性能（如图6所示）。针对高效率多边形VO计算方法，论文首先介绍了基于圆形
尽管面临质量、成本和一致性等挑战，但随着技术的进步和行业的发展，数据标注的效率和质量将不断提升，为自动驾驶技术的成熟和普及奠定坚实基础。数据标注是指对原始数据（如图像、视频、文本等）进行标记和注释的过程，数据标注的目的是为机器学习模型提供有监督的训练数据。在自动驾驶中，数据标注的作用尤为突出。1、标注质量：标注的准确性直接影响模型性能，但人工标注容易出错，且复杂场景（如遮挡、模糊）的标注难度较大。
无人机
——无人机
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
DeepSeek技术社区
MCP技术社区
永洪数据分析社区
DAMO开发者矩阵
