登录社区云，与社区用户共同成长
邀请您加入社区
经事后检测发现，仅仅是因为线脱落，这也是我们最开始在队内缺乏硬件选手，即可画电路板的组员这样的情况下做出的选择埋下后患的实际后果。笔者发现，要想完成赛题这种需要多个模块结合的调试，仅作一个文件来在一个代码反复增减，往往会出现下一次不知道哪里就改出问题的情况，也可能在某一次改动导致某一变量被删除导致代码出问题。Ai辅助编程：要求越细致详细越可能成功，但要注意的是ai往往可能把线接错或者某些地方的逻辑
本文介绍了一种基于PSO-RNN-GAN混合算法的无人机三维路径规划方法。该方法结合粒子群优化(PSO)、循环神经网络(RNN)和生成对抗网络(GAN)的优势，在复杂三维环境中实现高效路径规划。系统通过PSO进行全局搜索优化，RNN学习历史路径模式和环境特征，GAN提供路径分布的约束条件。文章详细阐述了算法设计思路、MATLAB实现代码和三维可视化方案，包括环境建模、网络结构设计、训练流程和动态路
本文介绍了在2026年实现纯古法编程的航线规划方案，通过在地图组件基础上开发，实现了标注点、折线绘制和拖曳编辑功能。重点解决了在折线上绘制箭头的问题，提出直接使用painter绘制而非引入额外标注点的优化方案，显著提升了性能（从Web版500个标注点瓶颈提升到Widget版1万个无压力）。作者分享了Qt控件的开发经验，展示了通过两点坐标计算中间点绘制箭头的实现方法，并附有效果图和核心代码片段（Ma
摘要：本文提出了一种基于MATLAB的混合智能优化方法，结合遗传算法(GA)、Q学习和深度强化学习(DRL)实现无人机三维路径规划。针对复杂动态环境中的路径规划问题，该方法通过GA优化关键超参数和初始策略，利用Q-learning进行价值迭代更新，并采用深度神经网络处理高维状态空间。文章详细介绍了三维环境建模、状态表示、算法融合架构及MATLAB实现细节，包括遗传算法种群优化、经验回放机制和深度Q
本文围绕凌霄运动源码的 STM32F407 工程，系统梳理了项目的整体结构、任务调度方式、控制流程与二次开发入口。文章重点分析了 `main.c`、`Ano_Scheduler.c`、`My_control.c`、`coordinate_control.c`、`mid360_receive.c`、`Drv_AnoOf.c`、`Drv_Uart.c` 等关键模块，说明飞行任务如何从初始化、调度执行到
本文提出了一种名为DPMPC-Planner的新型无人机实时轨迹规划框架，用于处理同时存在复杂静态环境和动态障碍物的场景。该框架采用双层规划架构：静态层通过迭代走廊收缩算法生成无碰撞轨迹，动态层则利用机会约束模型预测控制处理动态障碍物。创新性地结合了多项式轨迹优化和时间目标跟踪方法，实现了在保证安全性的同时满足实时性要求。实验验证表明，该框架能够有效处理动态障碍物规避与复杂静态环境导航的双重挑战，
上周，一个做电力巡检的朋友给我打电话，语气里满是焦虑：“兄弟，客户要求无人机在野外自动识别绝缘子破损，还必须在机载端实时处理，不能依赖网络。我们试了几个方案，要么延迟太高，要么功耗太大，飞机飞20分钟就没电了。这单要是黄了，今年奖金可就悬了。他的困境，正是当下低空经济从“能飞”迈向“会思考”的关键瓶颈。无人机不再只是会飞的相机，它需要成为空中移动的智能节点，在瞬息之间完成感知、决策与执行。这场算力
摘要： 本文介绍了基于C# WPF+YOLOv12+大疆OSDK的无人机电力巡检智能解决方案。传统巡检依赖人工分析照片，效率低且漏检率高（15%）。新方案通过在无人机机载工控机部署YOLOv12模型，实现实时缺陷检测（准确率99.7%），仅上传缺陷数据，节省90%带宽。系统采用"机载边缘计算+云端管理"架构，支持INT8量化模型（30ms/帧）和小目标检测优化，每年可节省人工成
本文介绍了YOLOv8模型评估的全面方法，强调不能仅依赖mAP指标。完整的评估体系包含三个核心组件：定量指标（精确率、召回率、F1分数、mAP等）、定性分析（可视化工具和案例研究）以及错误诊断（分类错误模式和改进建议）。文章详细讲解了基础分类指标和目标检测专用指标mAP的计算方法，并提供了Python代码示例。评估前需做好数据准备、环境配置和基准模型选择等工作，通过多维度分析才能准确评估模型性能，
本报告通过基于 MATLAB 的仿真技术，深入探讨了利用无人机搭载的无人飞行器（UAV）作为空中基站来提升蜂窝网络覆盖范围和可靠性的方法。研究以19个蜂窝单元的大规模六边形网络为模型，通过采用先进的优化技术动态部署UAV，模拟真实用户分布和集群场景。项目涵盖蜂窝网络设计与仿真、UAV动态分配以最大化用户连接性（尤其在复杂或密集环境中）以及全面性能分析与对比。仿真场景模拟了包含热点区域、商业区、住宅
本文提出了一种基于GA-CNN-RNN混合算法的无人机三维路径规划方法。该方法结合遗传算法(GA)的全局搜索能力、卷积神经网络(CNN)的环境特征提取能力和循环神经网络(RNN)的路径序列评估能力，在MATLAB R2025b环境下实现。首先通过三维环境建模构建障碍体素空间，利用CNN提取环境代价特征；然后采用RNN评估路径序列质量；最后通过遗传算法优化路径，综合路径长度、安全距离等多目标约束。实
右侧(b)是CARLA-Air的组合式解决方案——CARLAAirGameMode继承CARLA的地面子系统，同时将AirSim的飞行体以组合方式纳入，巧妙地在单个Game Mode槽位中容纳了两套完整的仿真能力。这种"天地一体"的仿真世界，正是CARLA-Air的核心价值所在。在一次典型的数据采集实验中，平台以17.1 FPS的帧率同时运行12路传感器流（6路车辆视角 + 6路无人机视角），持续
多无人机空中机器人施工任务分配旨在通过协同规划与动态调度，将施工任务（如结构搭建、材料运输、质量检测等）高效分配给无人机群，满足时间、资源、空间等多重约束。其核心目标是通过优化任务执行顺序、路径规划及负载均衡，提升施工效率与安全性。典型应用场景包括结构构建：如分布式桁架结构组装（Lindsey等人，2011）、立方体框架搭建（Lindsey等人，2013），通过多无人机协同完成复杂几何构件的空中定
AiBrainBox-V 本质不是摄像机，而是智能感知节点。新关键能力：Target Geo-Localization。AiBrainBox视觉相机通常：60–120 fps。2️⃣ Rolling shutter + 飞机振动。2️⃣ 没有 Rolling distortion。高速目标检测：AiBrainBox明显更强。形成组合：AiBrainBox-V + 吊舱。吊舱：Rolling Shu
ROS2 无人机开发，是一门实践性极强的工程学科。看再多的文章，也比不上亲手让无人机按照你的代码飞一个来回。立即搭建环境：按照第二部分，在你的电脑或一台闲置的 NUC/Jetson 上搭好 ROS2 Humble 和 px4_ros2。没有真机？完全可以用 PX4 的 Gazebo 仿真环境开始，链路是完全一样的。跑通第一个闭环：目标是写一个节点，订阅仿真无人机的位置，并控制它飞到指定的坐标点。这
本文介绍了一个开源的单目无人机多视角测距项目MMVDMS，利用DJI RTK无人机的图像数据，通过多视角三角测量技术恢复地面目标的三维坐标并计算目标间实际距离。项目基于DJI Mavic 3E实测25个样本，平均绝对误差0.084米，相对误差仅2.12%。项目包含核心算法库、Flask Web演示应用、标定工具及完整文档，采用MIT开源协议。核心原理是通过RTK记录的厘米级位置与姿态数据，结合像素
重要性：在复杂山地等地形条件下执行任务时，无人机的三维路径规划至关重要。它确保无人机能够安全避开障碍物，高效地从起始点到达目标点，同时满足任务的特定要求，如数据采集范围、信号覆盖等。例如，在山地地形的测绘任务中，合理的路径规划可以使无人机在不碰撞山体的前提下，全面覆盖需要测绘的区域，提高测绘数据的准确性和完整性。挑战：复杂山地模型带来诸多挑战。山地地形起伏大，存在大量不规则的障碍物，使得搜索空间极
✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。🍎 往期回顾关注个人主页：Matlab科研工作室 👇 关注我领取海量matlab电子书和数学建模资料 🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。：在复杂山地等地形条件下执行任务时，无人机的三维路径规划至关重要。它确保无人机能够安全避
它没有直接复用现有VLA架构，而是针对无人机连续跟踪、时序冗余、空间几何缺失三大痛点，在π₀.₅基础上重构了时空编码与双分支解码结构，并同步构建了首个城市无人机具身跟踪数据集。在低空智能化加速的今天，这套方案证明：VLA模型不再只属于地面机器人，只要完成针对性的时空重构与几何引导，就能在高机动、高动态的无人机平台上实现可靠的具身智能。实验在CARLA中完成，以成功率（SR）、平均跟踪帧数（ATF）
随着无人机技术的飞速发展，无人机群在通信领域展现出巨大潜力。空中智能反射面（AIRS）辅助的无线通信系统为提升无人机群通信性能提供了新途径。然而，实际通信环境中存在多种衰落效应，如 Nakagami - m 衰落和逆伽马阴影衰落，严重影响通信质量。深入研究考虑这些衰落效应的 AIRS 辅助无人机群无线通信系统，对于提高无人机群通信的可靠性和稳定性至关重要。
👉 GNSS拒止 + 多模态。
本文介绍了一种基于LSTM-GAN的无人机三维路径规划方法。该方法结合长短期记忆网络（LSTM）的时序建模能力和生成对抗网络（GAN）的分布学习优势，在MATLAB平台上实现了复杂三维环境下的智能路径规划。项目通过LSTM提取飞行轨迹时序特征，利用GAN生成器产生多样化路径，判别器评估路径可行性，形成对抗训练机制。文章详细阐述了模型架构、实现挑战及解决方案，包括高维状态空间处理、路径安全约束、训练
在Ubuntu 22.04系统中下载并编译指定版本的PX4固件：首先克隆PX4-Autopilot仓库（需--recursive参数），运行ubuntu.sh脚本安装编译环境。通过git tag查看版本，使用git checkout -b切换到指定Tag版本。编译前需确认硬件支持，若出现子模组警告，执行git submodule sync/update更新。最后使用make命令编译目标固件，编译完
软件 SPI 依赖 CPU 手动模拟时序，速率仅几十 kHz（远低于硬件 SPI 的 MHz 级），且占用大量 CPU 资源，会导致陀螺仪数据延迟、姿态计算卡顿，甚至引发飞行失控。这些 SPI 总线是 “通用通信通道”，只要陀螺仪支持 SPI 协议，即可接入任意一个空闲的硬件 SPI 总线 —— 这是引脚方案改动的核心前提。软件配置只是 “指令”，最终需通过 PCB 接线落地，核心是 “陀螺仪的
本文介绍了在Windows下使用QGroundControl配置PIXhawk 4通过MAVLink 2与Jetson Orin Nano通信，并在Ubuntu 22.04 ROS2 Humble上通过MAVROS2进行消息接收与TF可视化。完成了硬件连接、串口配置、MAVROS功能包创建、参数与插件设置、launch文件编写等步骤，成功实现无人机姿态与位置数据在RViz2中的显示
摘要在 QuadFlightFC（STM32F405RGT6）飞控的 DSHOT300 输出设计中，最初采用“”逐位更新 CCR，占用，且因的调用与各通道 CC 触发相位不一致，出现约的通道间相位偏移。为节省 DMA 资源并实现通道，改为“”方案：以为触发，DMA 通过按连续写入的影子寄存器（OCxPE/ARPE 使能），统一装载生效；内存按排列，，尾部追加实现“发完即止”。该实现仅占，可选用 F
选择AION Mini 900RX选项，其他接收机名称可能不一样，选择之后修改为SBUS即可。对频后，短按返回键，再长按返回键，返回到首页，显示信号图标就是对频成功。对频成功后还是在[Bind]页面选择Other Devices。长按菜单键，选择01ExpressLRS。选择[Bind]进行查找设备对频。
本项目基于STM32F411CEU单片机设计了一套完整的无人机飞控系统，包含硬件设计、软件算法和仿真验证。系统采用MPU925X九轴传感器和LPS22BH气压计进行姿态测量，通过Si24R1无线模块实现2.4G通信。主控部分设计了原理图和PCB，软件方面采用Matlab/Simulink进行飞控算法仿真，实现了无人机姿态控制、定点定高和自由移动功能。项目特色包括：1) 采用串级PID控制算法；2)
本文记录了一位嵌入式初学者使用RK3562开发板获取大疆M400无人机GPS信息的实践过程。作者首先尝试在arm64架构的开发板上进行交叉编译，但因不熟悉DJI PSDK源码中的cmake配置而遇到困难，最终改用树莓派作为替代方案。文中分享了相关技术文档链接（大疆PSDK教程），并提及使用E-PortV2接口的具体实现过程。文章既包含初学者的心路历程，也提供了实际操作的干货内容。
是 PX4 飞控的硬件版本标识，主要对应早期的等基于 STM32F4 处理器的飞控硬件（如 3DR Pixhawk、Holybro Pixhawk 1），硬件资源（Flash/RAM）相对有限。而文件名中后缀（如defaultfixedwing）则代表，不同后缀对应不同机型或优化目标。
AGM AG32 （AG32 + MS21112S）实现光端机新设计， 极简架构实现高性能低成本替代需求，让您更有竞争力。
摘要：针对STM32F103C8T6飞控开发，选择Cleanflight而非Betaflight（2023年已不支持F103）。在Ubuntu虚拟机中配置交叉编译环境，通过修改target.h文件精简功能（如注释USE_BARO、USE_MAG等）解决FLASH溢出问题。使用NAZE目标板编译生成.hex文件，通过ST-Link烧录后，用CH340连接PA9/PA10串口与Cleanflight地
无人机
——无人机
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
深开鸿 技术专区
2048 AI社区
AI硬件创业社区
