登录社区云，与社区用户共同成长
邀请您加入社区
针对红外场景下无人机目标检测任务，本文基于YOLO26框架构建了一套高精度识别系统。实验采用包含5019张训练图像与1233张验证图像的红外无人机数据集，类别为单一目标drone。模型训练后，在验证集上取得了mAP50为0.981、Precision为0.986、Recall为0.949的优异性能，F1-score最高达0.97。混淆矩阵显示，无人机识别准确率达96%，背景误检率仅为4%。实验结果
随着电商行业的迅猛发展，物流配送的效率和成本成为关键问题。多旋翼物流无人机以其灵活性和机动性，在最后一公里配送等场景中展现出巨大潜力。然而，其有限的续航能力限制了应用范围，因此节能轨迹规划显得尤为重要。通过优化飞行轨迹，能有效降低能耗，提升多旋翼物流无人机的实用性和经济性。
系统采用前后端分离架构，前端包含登录认证、地图展示、订单管理、飞手工作台等核心功能模块，使用Pinia进行状态管理，并实现了与SpringBoot后端的完整对接。主要技术特点包括：1）采用JWT Token认证机制；2）集成高德地图实现订单位置展示；3）支持客户/飞手双角色登录；4）实现WebSocket实时通信；5）完整的订单状态管理。文章详细展示了项目结构、关键代码实现及前后端接口规范，为开发
系统采用前后端分离架构，前端使用Vue.js实现订单管理、实时监控等功能，后端基于SpringBoot集成RedisGEO定位、WebSocket实时通信、支付分账等核心模块。平台覆盖农业植保、电力巡检、影视航拍、物流配送等多元化场景，通过智能派单、设备租赁、培训服务等增值功能构建完整商业生态。典型应用案例显示，专业飞手通过平台可实现月收入2-5万元，平台则通过交易抽佣、会员服务等多元化方式盈利。
摘要：本文介绍了一个基于Java的无人机接单派单平台开发方案，针对低空经济领域供需对接痛点，采用SpringBoot+MyBatis-Plus技术栈实现任务发布、智能派单、资质审核等核心功能。系统架构采用分层设计，严格遵循飞行合规要求，重点解决飞手资质验证和任务匹配效率问题。部署方案采用Docker容器化，确保系统稳定运行。开发过程注重合规性，避免违规飞行和无资质作业，符合行业监管要求。该方案为低
本文提供了一份详细的保姆级教程，指导如何使用ROS和C++代码在Gazebo中实现PX4无人机的Offboard模式一键起飞。从环境准备、工程初始化到核心代码架构和仿真联调，全面解析了实现过程中的关键步骤和常见问题解决方案，帮助开发者快速掌握无人机控制技术。
本文详细介绍了如何利用Python和OpenCV为大疆Tello无人机开发视觉功能，包括人脸跟踪与绿球跟随。通过硬件准备、SDK连接、视频流处理及控制逻辑实现，为开发者提供完整的解决方案。文章还涵盖了性能优化和系统集成建议，帮助开发者在资源受限环境下实现高效运行。
本文详细介绍了如何使用Python和OpenCV实现无人机视觉定位，从像素坐标系到NED坐标系的完整转换流程。通过相机标定、深度信息获取和坐标系转换等关键步骤，帮助开发者构建高效的无人机视觉定位系统，适用于自主导航、目标跟踪等应用场景。
本文详细介绍了无人机数据处理中欧拉角转换的实战方法，使用C++和Eigen库实现摄影测量与航空坐标系之间的精准转换。文章涵盖欧拉角基础、Eigen库配置、核心算法实现及工业级C++代码，帮助开发者避免常见的旋转顺序和坐标系定义陷阱，提升无人机数据处理效率。
本文详细介绍了如何使用C++和Eigen库解决无人机摄影测量中的欧拉角转换问题，包括坐标系定义差异、旋转顺序处理及完整代码实现。通过实战案例，帮助开发者正确处理ω(Omega)、φ(Phi)、κ(Kappa)与Yaw、Pitch、Roll之间的转换，避免常见的坐标系混乱问题。
本文详细介绍了如何使用Python实现Dijkstra算法和蚁群算法解决无人机协同避障的数学建模问题。通过代码实现和可视化分析，展示了两种算法在航迹规划中的实际应用，帮助读者掌握无人机路径规划的核心技术。
本文详细介绍了如何在AirSim中使用Python实现LQR控制器，使无人机精准跟踪8字轨迹。通过系统建模、参数化设计和可视化调试，解决了LQR调参难题，提供了从理论到实践的完整解决方案，帮助开发者掌握无人机轨迹跟踪的核心技术。
本文详细介绍了如何利用AirSim仿真平台和Python脚本实现无人机编队的自动化控制与FPV视角数据采集，为YOLOv5训练准备高质量数据集。通过模块化设计、多机协同控制和智能图像采集系统，大幅提升仿真数据生产效率，适用于计算机视觉与无人机研究的交叉领域。
本文提供了一份详细的教程，教你如何使用ROS和OpenCV让Bebop2无人机实现自动跟随蓝色物体的功能。从环境配置、OpenCV颜色识别到ROS通信架构设计，手把手指导你完成整个项目，并附有完整的Python代码。适合无人机爱好者和ROS初学者快速上手目标跟踪技术。
本文详细介绍了在AirSim中使用Python实现LQR控制器调参的实战技巧，帮助无人机实现精准轨迹跟踪。通过分析Q和R矩阵的参数选择法则，结合代码示例和调试可视化工具，解决无人机控制中的震荡和响应迟缓问题，提升轨迹跟踪的稳定性与效率。
本文详细介绍了如何使用Python实现Dijkstra和蚁群算法解决无人机协同避障问题，特别针对数学建模竞赛中的航迹规划挑战。通过实战案例演示了算法实现、环境建模和路径可视化全过程，帮助读者掌握无人机协同避障的核心技术。
p061基于Python的期货程序化交易系统的设计与实现_flask1(设计源文件+万字报告+讲解)（支持资料、图片参考_降重降ai）
本文基于SpringBoot框架开发物流无人机配送调度服务平台，分析了现有平台特点和SpringBoot技术优势。通过面向对象方法实现系统功能，包括无人机信息管理、公告资讯浏览等模块。重点阐述了系统需求分析、关键技术实现及测试验证，证明平台具有可行性和有效性。管理员可通过系统便捷管理操作员、客户及无人机信息，实现高效的数据处理和决策支持，为物流配送提供智能化解决方案。
本项目基于YOLOv8深度学习目标检测算法，开发了一套适用于无人机红外影像的实时检测系统，能够精准识别车辆（Car）、其他车辆（OtherVehicle）、行人（Person）以及无效检测区域（DontCare）等4类目标。系统采用大规模红外数据集进行训练，其中训练集10,128张、验证集715张、测试集355张，确保模型在复杂环境下的鲁棒性和泛化能力。YOLOv8作为当前最先进的实时检测算法之一
无人机
——无人机
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
亚马逊云科技技术品牌专区
