登录社区云，与社区用户共同成长
邀请您加入社区
基于ubuntu20.04平台，对RACER算法进行环境配置，记录遇到的问题，为想用的朋友提供参考。
随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动
摘要：无人机与光通信的融合正推动行业变革，光模块成为核心组件，实现高速、低延迟的数据传输。光模块在测绘、电力巡检、深海探测等场景展现显著优势，具备抗干扰、长距离、大带宽等特点。未来趋势包括高速率（800G向1.6T演进）、智能化（AI融合）和新兴应用（低空经济、6G）。预计2026年光模块将进入成熟阶段，成本下降30%，产业生态进一步完善，政策红利加速市场普及。
随着无人机技术的发展和深度学习的进步，无人机在环境监测和垃圾管理中的应用越来越广泛。YOLO系列模型因其实时性和高精度在目标检测领域被广泛应用。本项目旨在开发一个基于YOLO的无人机垃圾分割检测系统，该系统能够利用无人机拍摄的图像进行垃圾的自动识别和分割，为城市环境管理和垃圾分类提供技术支持。通过使用YOLOv8模型，我们能够实现对无人机图像中垃圾目标的快速检测和精确分割，这对于提高垃圾处理效率和
2025 年，无人机（unmanned aerial vehicle，UAV）时代进入到“泛在智能、系统融合”新阶段，是低空经济（low altitude economy，LAE）从规模化试飞发展为规模化运营的关键驱动力[1]。无人机是联结物理世界与数字世界的重要“智能触媒”，通过结合大语言模型、智能认知、强化学习等前沿技术，实现从感知智能、认知智能再到执行智能的闭环跃迁，推动城市空中交通、即时配
这套无人机管理系统，基于企业级Java架构开发，深度适配大疆全系设备API，支持多机型接入、自动机巢联动、GIS地图可视化、AI智能识别， 专为政企项目、行业巡检、智慧监管场景打造，支持私有化部署、本地离线部署、源码提供，完全满足政务内网、国企安全合规要求。
本文面向傲睿尔无人机仿真系统，完整呈现一套基于Simulink搭建并自动生成 C 代码、深度集成AirSim的风力建模与工程实现方案。该风力模型由平均风、Dryden 湍流、风切变、离散阵风与障碍物扰流五大模块构成，以无人机位置、仿真时间、障碍物信息与飞行速度为输入，通过标准化接口实时计算风速，并作用于无人机动力学模型，形成闭环风扰仿真能力。
摘要：本项目基于MATLAB实现了一种融合深度Q网络(DQN)和粒子群优化(PSO)的无人机三维路径规划算法。针对传统方法在高维连续空间中的局限性，提出结合深度强化学习的感知能力和群智能算法的全局搜索优势。通过构建三维环境模型、设计状态表示和奖励函数，实现了DQN-PSO协同决策框架。实验结果表明，该方法能有效生成安全高效的飞行路径，并提升对动态环境的适应能力。项目提供了完整的MATLAB实现代码
VisDrone 是由天津大学机器学习与数据挖掘实验室 AISKYEYE 团队发布的大规模无人机视角目标检测基准数据集，对应 ICCV 2019 的 "Vision Meets Drone" 挑战赛。
摘要 本文介绍了在QGroundControl二次开发中实现NTRIP Client功能的技术方案，用于接入CORS差分数据并通过MAVLink协议转发给飞控。主要内容包括： 功能实现效果：在RTK设置页面新增NTRIP Client选项卡，提供服务器连接、账号配置、GGA设置等功能，并显示连接状态和数据接收统计。 工作流程：从用户配置到NTRIP连接建立，再到差分数据接收、解析和转发至飞控的完整
摘要 本文提出了一种无人机巡检等场景下的多路视频分层传输方案。核心思路是将视频流分为主控流和预览流两类：主控流（如FPV视角）采用超低延迟、高画质的WebRTC传输；预览流（如环境监控画面）则通过机库端转码降低码率和帧率，采用普通延迟模式。这种分层设计相比全高清传输可显著降低带宽消耗（从120Mbps/用户降至约35Mbps），同时保证关键操作画面的实时性。方案建议在机库端进行预览流转码，中心服务
本文提出了一种基于LSTM-RRT-PSO融合算法的无人机三维路径规划方法。该方法结合了长短期记忆网络(LSTM)、快速扩展随机树(RRT)和粒子群优化算法(PSO)的优势，在复杂三维环境中实现安全高效的路径规划。系统首先通过LSTM网络学习历史路径数据，预测高质量采样区域；然后利用改进的RRT算法在三维空间中进行引导式采样搜索，快速获得初始可行路径；最后采用PSO对路径进行多目标优化，同时考虑路
本文介绍了一种基于LSTM-GAN-RNN混合模型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)、生成对抗网络(GAN)和循环神经网络(RNN)的优势，在复杂三维环境中实现安全、高效的路径规划。文章详细阐述了项目背景、目标意义、技术挑战及解决方案，包括高维时空耦合处理、对抗训练稳定性和数据稀缺问题。重点展示了模型架构设计，包含环境编码、LSTM特征提取、GAN路径生成和RNN轨迹解
从LISA、PixelLM将语言推理嵌入分割任务，到GeoPix、RemoteSAM面向遥感影像的空间建模，再到各类高分辨率适配方案，推理分割已从地面视角逐步走向高空、斜拍、大尺度变化的复杂场景。消融实验证明：完整启用四层对齐，相比无对齐，属性推理gIoU提升4.41%，场景推理提升6.56%，空间推理提升7.13%——对齐机制是性能跃升的核心。，正是瞄准这一空白给出的系统性答案。它没有跟风堆叠更
本文提出了一种基于快速扩展随机树(RRT)、深度强化学习(DRL)和卷积神经网络(CNN)的无人机三维路径规划方法。该方法在MATLAB R2025b平台上实现，通过RRT提供基本的路径搜索骨架，利用DRL学习在不同环境特征下对RRT扩展方向和步长的智能调节策略，并采用CNN提取环境的三维结构特征。项目解决了三维环境建模复杂性、RRT与DRL/CNN的耦合机制等挑战，构建了包含环境建模、RRT搜索
分布式光伏集中监控平台正成为新能源管理的"智慧大脑"。该平台通过四大核心模块解决行业痛点：数据采集层兼容各类设备协议，实现异构数据统一接入；可视化监控层提供全局电站状态展示；智能诊断层运用AI算法进行故障预警和效率分析；运维管理模块实现全流程闭环管控。平台不仅提升发电效率20%以上，降低运维成本30%，更能支撑电网安全调度。随着技术进步，未来平台将融合数字孪生等技术，实现更智能
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
固定翼无人机凭借其飞行速度快、航程远、载荷能力较强等优势，在军事侦察、气象监测、地理测绘、农林植保等众多领域得到了广泛应用。例如，在军事领域可执行情报收集、目标侦察等任务；在农林植保中能进行大面积的农药喷洒和作物监测。然而，固定翼无人机的动力学模型具有高度非线性。其飞行过程受到多种因素影响，如气流扰动、自身姿态变化、不同飞行阶段的气动力特性改变等。传统的线性控制方法，如比例 - 积分 - 微分（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
深开鸿 技术专区
AtomGit开源社区
openEuler 社区
