登录社区云，与社区用户共同成长
邀请您加入社区
虽然只有单个标记点，但反光面积更大，相机发射的红外光可以在更大面积上反射，以此保障跟踪精度，持续输出高分辨率、低延迟的数据。团队正在探明背后的物理规律，搭建量化模型，并开发配套控制算法，确保集群规模扩大之后，编队依旧可以稳定运行。系统的单位，尽管当时这款相机面世时间不长，整套安装调试流程依旧十分顺畅，开箱即可稳定投入试验，使用体验良好。除此之外，无线传输也让数据链路更加顺畅，系统可以实时反馈，大幅
文献来源：摘要：移动边缘计算（MEC）利用网络边缘的计算能力来执行各种物联网应用中的计算密集型任务。同时，无人机（UAV）具有灵活扩大覆盖范围和增强网络性能的巨大潜力。因此，利用无人机为大量物联网设备提供边缘计算服务已成为一种有前景的范式。本文研究了无人机辅助边缘计算网络的路径规划问题，其中一架无人机部署了边缘服务器，用于执行从多个设备卸载的计算任务。我们考虑设备的移动性，采用了高斯马尔可夫随机移
在科技飞速发展的当下，无人机（UAV）凭借其独特优势，在众多领域实现了广泛应用。在物流行业，无人机配送让 “最后一公里” 配送更加高效；在农业领域，无人机植保能够精准作业，提高农作物产量；在影视拍摄中，无人机带来了震撼的视觉效果。随着无人机应用场景的不断拓展，其面临的计算与能耗问题也日益凸显。当无人机执行复杂任务，如高清影像的实时处理、复杂环境下的目标识别与跟踪时，其有限的计算资源往往捉襟见肘。就
一、UWB SLAM概述。
摘要：多接入边缘计算（MEC）被认为是克服移动设备计算能力限制的有前途的解决方案。本文研究了一种基于非正交多址（NOMA）的节能无人机MEC框架，将多架无人机部署为边缘服务器，为地面用户提供计算辅助，并采用NOMA降低任务卸载能耗。由于参数的耦合，效用最小化是一个高度非凸的问题，因此，该问题被分解为两个更易于处理的子问题，即给定无人机轨迹的无线电和计算资源的最优分配，以及基于给定资源分配方案的轨迹
随着无人机技术的广泛应用，其计算卸载问题成为提升系统性能的关键。本文基于Stackelberg博弈理论，研究无人机边缘计算中的计算卸载策略。通过构建领导者（边缘服务器）与跟随者（无人机）的博弈模型，优化计算资源分配和卸载决策，实现系统效率与能耗的平衡。理论分析与仿真结果表明，该方法能有效降低无人机计算负担，提高任务完成效率。
无人机边缘计算（UAV-Enabled Edge Computing, UEEC）通过部署无人机作为移动计算节点，有效解决了传统边缘计算中延迟高、带宽不足等问题。然而，复杂飞行环境与动态无线信道导致的干扰问题成为制约系统性能的关键因素。本文提出基于Stackelberg博弈的抗干扰信道分配方案，通过构建领导者-追随者博弈模型，优化信道分配策略以降低干扰并提升系统整体性能。仿真实验表明，该方案较传统
行业观察人士指出，随着无人机巡检技术的规模化落地，以方寸知微为代表的科技企业正通过技术创新重塑传统行业作业模式，其在细分市场的领先地位或将为低空经济与垂直行业的深度融合提供可复制的范式。融合的广阔前景，方寸知微表示，未来将持续深化边缘计算在电力电网领域的标准化应用，推动技术成果向更多工业场景延伸，在专精特新发展道路上稳步迈向。低空经济作为新质生产力的典型代表，以无人机为核心工具，聚焦千米以下空域经
摘要——本文将涵盖无人机同步定位与地图构建（SLAM）的主题。为此，我们使用了扩展卡尔曼滤波器（EKF），结合了超宽带传感器（UWB）和惯性测量单元（IMU）的测量数据。此外，还采用了一种有趣的方法，通过最小二乘法（Least Squares, LS）来确定系统的初始状态估计。最终，通过仿真和实际结果验证了扩展卡尔曼滤波器和最小二乘法初始化的有效性。关键词——SLAM，扩展卡尔曼滤波器，无人机，超
针对无人机边缘计算（UAV-Edge Computing, UEC）场景中信道资源稀缺、干扰复杂导致的通信性能下降问题，提出一种基于 Stackelberg 博弈的抗干扰信道分配策略。首先构建包含无人机用户、边缘节点与干扰节点的 UEC 通信模型，明确信道容量、干扰抑制及能耗约束；其次设计 “边缘节点 - 无人机用户” 的双层 Stackelberg 博弈框架，将边缘节点作为领导者优化信道分配收益
空中无人机（UAV）长期以来一直被用作移动网络中的网络处理器，但它们现在被用作移动边缘计算（MEC）中的移动服务器。由于它们的灵活性、可移植性、强大的视线通信联系以及低成本、可改变的使用，它们在研究和商业应用中变得更加流行。广泛的民用服务现在可能因其基本特性而得到支持，包括运输和工业监测、农业以及森林火灾和无线服务。本项目研究了基于无人机的移动边缘计算网络，其中无人机（UAV）进行移动终端用户提供
然而，据我们所知，目前很少有现有的工作探讨了如何智能设计移动边缘计算网络中无人机的飞行轨迹，以服务于大量设备，尤其是考虑到设备的动态移动性和无人机与设备之间的动态关联。因此，无人机辅助边缘计算网络是一个自然的选择和有前景的范式，在其中如何优化无人机的飞行路径以满足大量设备的通信和计算需求成为一个重要且具有挑战性的问题。由于其灵活的部署、全面的控制和网络性能，UA V辅助无线通信受到了广泛的研究兴趣
针对传统无人机边缘计算网络频谱资源利用率低、多用户接入冲突、无人机能耗过高、任务卸载时延波动大等问题，本文开展基于非正交多址接入（NOMA）的节能多无人机多接入边缘计算关键技术研究。构建多无人机协同的空地一体化边缘计算网络架构，将NOMA技术与多接入边缘计算（MEC）深度融合，实现多地面用户设备同频并行传输与任务协同卸载。
随着移动互联网和物联网的迅猛发展，大量智能设备接入网络，数据量呈爆炸式增长。传统的云计算模式将数据传输到远程数据中心进行处理，面临着高时延、高能耗以及网络拥塞等问题。移动边缘计算（MEC）应运而生，它将计算资源下沉到网络边缘，使数据能够在靠近用户的位置进行处理，大大降低了数据传输时延，提升了用户体验。无人机因其具有灵活部署、快速响应等特点，逐渐被引入到 MEC 系统中，形成无人机辅助的 MEC 系
在空地一体化移动边缘计算场景中，无人机凭借机动灵活、部署便捷、覆盖范围广的优势，可作为移动边缘服务节点，搭载算力设备对地面分布式终端用户的计算任务进行实时卸载与就近处理，有效解决传统地面固定边缘基站覆盖盲区大、部署成本高、应急响应能力弱的问题。然而在复杂野外、陌生城市、动态干扰环境下，多无人机协同作业面临飞行障碍物规避、动态环境自适应、终端服务优先级差异化、多机无冲突协同等多重约束。
无人机
——无人机
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
地瓜机器人开发者社区
