登录社区云，与社区用户共同成长
邀请您加入社区
在低空经济和无人机技术高速发展的今天，MAVLink 协议作为微型飞行器之间通讯的事实标准，具有极高的应用价值。为 Flutter 开发者提供了全自动化的 MAVLink 协议生成与编解码能力。通过将该库适配至 OpenHarmony，我们可以利用鸿蒙系统的分布式软总线和卓越的硬件连接能力，打造出专业、稳健的鸿蒙无人机地面站。本文将带大家深入 MAVLink 的二进制世界，完成鸿蒙端的硬核适配。M
本文介绍了小龙虾优化算法(COA)及其在多无人机三维路径规划中的应用。COA模拟小龙虾的避暑、竞争和觅食行为，具有快速搜索和平衡全局/局部搜索的能力。针对无人机路径规划问题，建立了包含路径长度、安全性、飞行高度和平滑性四个成本的目标函数。通过动态窗口法实现无人机动态避障，在三维山地环境中验证了COA算法的有效性。实验结果表明，该方法能成功规划出多条无人机的安全飞行路径，收敛曲线显示算法具有良好的优
本文介绍了一个专为红外无人机检测任务构建的YOLO格式数据集，包含4500+张高质量红外图像，涵盖夜间、远距离、高空等多种场景。数据集采用标准YOLO标注格式，已划分为训练集/验证集/测试集，支持主流YOLO系列模型训练。相比可见光检测，红外成像在夜间和恶劣天气下更具优势。数据集适用于无人机监控、边境安全、军事侦察等场景，并可作为红外目标检测算法研究的基准数据。文章还分享了YOLOv8训练示例和数
低空经济不仅仅是政策和市场的故事，更是一个正在成型的巨型技术系统——从每架无人机里的飞控代码，到覆盖城市的通感一体基站，再到处理百万级并发的空管平台，每一层都有技术人施展的空间。2026年，产业从验证走向落地，意味着代码要跑在真实的飞机上，架构要扛住真实的流量，算法要应对真实的复杂环境。如果你是一位开发者，现在入场，正是时候。懂飞帝开发者社区：关注“懂飞帝APP”，资讯板块追踪最新技术动态，飞友圈
图7皮尔逊相关系数法、连续投影算法、竞争性自适应重加权采样法三种降维方法结合机器学习算法，对叶片氮浓度（A–C）、叶面积指数（D–F）、地上生物量（H–J）、籽粒产量（K–M）构建的最优性能模型验证结果LNC、LAI、AGB、GY 分别为叶片氮浓度、叶面积指数、地上生物量、籽粒产量；图8最优组合模型引入纹理特征后对叶片氮浓度（A）、叶面积指数（B）、地上生物量（C）、籽粒产量（D）的估算结果LNC
本文深入解析了无人机视觉SLAM定位技术的核心原理与工程实践。重点探讨了视觉里程计与视觉惯性里程计的工作机制，并对比了SVO、VINS-Mono等主流框架的实战应用。文章详细介绍了从仿真测试到真机部署的完整流程，涵盖传感器标定、时间同步、参数调优等关键挑战，旨在帮助开发者构建鲁棒、高精度的无人机自主定位导航系统。
消防救援工作的每一次决策都关乎生命财产安全，每一步处置都考验专业能力。长期以来，消防决策多依赖指挥员实战经验，受限于现场视野、信息滞后等因素，难以实现全方位、精细化研判。
随着无人机技术在城市物流配送、应急救援、交通监控等领域的广泛应用，密集型复杂城市场景下的无人机三维路径规划成为制约其安全高效运行的核心瓶颈。此类场景具有建筑密集错落、动态障碍物频发、空域管控严格、气象干扰复杂等特征，传统路径规划算法难以兼顾安全性、实时性与最优性。Q-learning算法作为无模型强化学习的经典代表，具备无需预先构建环境模型、可通过与环境交互动态优化策略的独特优势，适配复杂城市场景
无人机巡航路径规划是提升巡检效率、降低能耗的核心问题。本文提出一种基于改进Prim算法的无人机路径规划方法，通过引入动态权重调整、启发式剪枝和分布式处理技术，优化传统Prim算法在稠密图场景下的计算效率。实验表明，改进算法在1000个目标点的城市巡检场景中，路径规划时间较传统Prim算法缩短68%，路径总长度减少12%，且在动态障碍物环境下仍能保持92%的路径可行性。该算法已应用于深圳南山区电力巡
无人机集群是由多架无人机组成的分布式或混合式协同系统，通过网络技术实现信息交互与任务协调，具备去中心化、鲁棒性和自组织特性。
多无人机协同作业在物流配送、测绘、军事侦察等领域广泛应用，但复杂环境下的碰撞风险显著增加。传统避碰方法在非线性系统建模和约束处理方面存在局限性。本研究提出融合无迹卡尔曼滤波（UKF）与模型预测控制（MPC）的多无人机防撞系统，通过UKF实现高精度状态估计，MPC实现动态约束下的轨迹优化，结合分布式协同策略提升系统鲁棒性。仿真实验表明，该方法在密集障碍物场景下避碰成功率达98.7%，轨迹平滑度提升4
在无人机任务执行过程中，路径规划是任务计划的核心环节，直接影响任务执行效率、无人机能源消耗及生存能力。传统路径规划算法如 A * 算法、Dijkstra 算法等，在处理多约束、动态复杂环境下的无人机路径规划问题时，易出现局部最优解、收敛速度慢等问题，难以满足高精度、高效率的任务计划需求。而蚁群优化（Ant Colony Optimization, ACO）算法作为一种模拟自然界蚁群觅食行为的启发式
本项目基于YOLOv11深度学习框架，开发了一套针对无人机的实时识别与检测系统，适用于安防监控、空域管理等领域。系统以单类别（drone）为目标，通过优化模型结构和训练策略，实现了对无人机目标的高精度检测。项目采用轻量化设计，兼顾计算效率与准确性，可部署于边缘设备（如Jetson系列）或无人机管控平台，为低空安全提供智能化解决方案。
无人机巡检数据集:航拍无人机uav红外航拍目标检测数据集-数据集第10034期
摘要：该系统基于PyTorch和YOLOv13目标检测算法，采用Python+Django+Vue3技术栈开发，支持多模态检测功能。系统可实现图像/视频文件检测、摄像头实时检测，并将结果存储于SQLite数据库。Web界面提供文件上传、实时检测和历史查询功能，后端处理检测任务调度和数据交互。项目包含完整源代码、训练模型、数据集及相关文档，适用于轻量化部署场景。
摘要：牛顿-欧拉方程是四旋翼动力学建模的基础，包含描述平动的牛顿第二定律(F=ma)和描述转动的欧拉方程(M=Iα+ω×(Iω))。通过小扰动理论对非线性方程进行线性化处理，在悬停平衡点附近简化模型：垂直加速度与升力变化量成正比(ẍ=ΔU₁/m)，水平加速度与俯仰角近似线性相关(ẍ≈gΔθ)。惯性张量I的3×3矩阵形式反映了质量分布对转动的影响，哥氏项则体现了旋转运动的耦合效应。这种线性化处理为P
无人机
——无人机
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
人工智能6S服务平台
龙虾开发者社区
AtomGit开源社区
2048 AI社区
合肥城市开发者社区
深开鸿 技术专区
九章云极普惠算力
