在无人机集群研究领域，仿真验证技术发挥着重要的作用，利用仿真技术可以高效且低廉的对算法理论成果进行测试验证，根据测试结果不断迭代系统方案，极大的缩短研制周期，降低研制成本。其实现方式主要有全数字仿真技术和半物理仿真技术，两种技术在系统研发设计过程中经常需要综合使用，全数字仿真技术应用数字模型，将整个测试仿真过程在虚拟环境中运行完成，不涉及软硬件数据通信交互，主要应用于系统前期的预研及可
关于无人机相关的场景在我们之前的博文也有一些比较早期的实践，感兴趣的话可以自行移步阅读即可：《deepLabV3Plus实现无人机航拍目标分割识别系统》《基于目标检测的无人机航拍场景下小目标检测实践》《助力环保河道水质监测，基于yolov5全系列模型【n/s/m/l/x】开发构建不同参数量级的无人机航拍河道污染漂浮物船只目标检测识别系统，集成GradCAM对模型检测识别能力进行分析》《基于YOLO
1. 802.11ax关键技术简介802.11ax协议（也称Wi-Fi 6，Wi-Fi 5指802.11ac）是为了满足高密度场景下用户速率和体验需求而提出的。类似于3GPP 5G NR中的eMBB应用场景，其目的是提升高密集场景的用户速率，从而获得更好的用户峰值数据体验。2013年3月TG（Task Group）工作组成立，2014年开始研究802.11ax标准，2016年提出802.11ax的
安装pycharm进入pycharm安装目录，运行安装程序。(PY37RL) johnwatson@rescuer-r720:~$ cd pycharm-community-2021.3.1/bin/
(PY37RL) johnwatson@rescuer-r720:~/pycharm-community-2021.3.1/bin$ sh ./pycharm.sh在bin目录下启动pycharm.
1.首先，介绍一下matlab/simulink中把模块封装为库函数通过以下建立Library如下是我的库内容，保存库名字为mathlib： 然后建立一个模型，打开mathlib.slx模块，把这个模块加入模型中，建立如下模型，仿真即可。如果想改这个模型，打开拖动会出现：Attempt to modify link 'untitled1/Subsystem'. Disable this
转载
2024-05-14 14:39:13
334阅读
本文为美国MIT（作者：Sameera S. Ponda）的硕士论文，共197页。配备导航系统和视频功能的小型无人机目前正被部署用于情报、侦察和监视任务。其中一个特别的任务是计算机载传感器检测到的目标位置估计。将无人机的状态估计与成像传感器收集的信息相结合，可以得到目标的方位测量值，用于确定目标的位置。这种三维纯方位估计问题是非线性的，传统的滤波方法会产生有偏和不确定的估计，有时会导致滤波不稳定。
目录基于预测控制的多架小型直升机编队飞行控制编队控制Leader–Follower 系统基于模型预测控制的控制器设计速度控制模型平动模型模型预测控制器设计模型预测控制控制器设计 基于预测控制的多架小型直升机编队飞行控制本部分将介绍多架小型无人直升机编队飞行控制，作为 UAV 高级控制的一个示例。自主编队飞行控制系统设计为“领导者–跟随”模型。为了在系统约束下获得良好的控制性能，将“模型预测控制”
转载
2024-06-27 22:11:28
336阅读
无人机经常闯入机场的问题，在监测系统面前终于可以解决了。
最近，美国机场管理者协议（ AAAE ）——代表美国850个机场与创业公司AirMap达成合作意向 ，两者将联合推出D-NAS系统。据悉，后者已经采集了三家广受欢迎的无人机制造商的无人机数据，它将会将这些有用可靠的数据上传到机场，帮助机场的各项现场调度。
“通过与无人机制造商的合
作为无人驾驶汽车顺利运行的重要环节，路径规划是指无人驾驶汽车在具有障碍物的环境中，能够规划出一条从起始位置状态到目标位置状态无碰撞的最优路径或次优路径，并满足所有约束条件，是实现汽车智能化的关键技术之一。基于采样的路径规划算法基于采样的路径规划算法很早便开始用于车辆的路径规划中，比较常见的基于采样的规划算法有概率图算法和快速随机扩展树算法。概率图算法是在规划空间内随机选取N个节点，之后连接各节点，
本项目基于PP-YOLOE+模型实现了旋转翼无人机检测从训练到部署的全流程，最终在验证集上达到90.73%的mAP，是一个比较成功的目标检测案例。一、项目背景这个数据集由Mehdi Özel为无人机比赛收集的。目前大部分的无人机数据集只包含无人机拍摄的照片（大部分是无人机对地视图）。与别的数据集不同，该数据集的图像是无人机的图像，可以用来训练我方无人机引导和躲避其他无人机。 该数据集有1359张照
Drones Chasing Drones: Reinforcement Learning and Deep Search Area ProposalAbstract:1.Introduction2. Proposed Framework(提出的结构框架)2.1使用强化学习方法2.1.1监督学习的运用(如何训练强化学习)2.1.2强化学习2.2深度学习目标检测和跟踪2.3无人机控制（深度学习目标检
“一切可以被控制的对象，都需要被数学量化”这是笔者从事多年研发工作得出的道理，无论是车辆控制，机器人控制，飞机控制，还是无人机控制，所有和机械运动相关的控制，如果不能被很好的数学量化，那么将不会被很好的控制。因为工作需要，笔者曾拜访过很多无人机研发公司，高校和研究所。发现大多数无人机研发公司的研发手段，相较于国外，还很初级。基本都是嵌入式开发居多，侧重于驱动的修改，飞行逻辑的修改。我认为这算不上是
基于MPC的无人机轨迹跟踪控制：mav_control_rw功能包功能包简介安装gazebo仿真测试支持的飞行平台发布和订阅的topic发布topic订阅topic 功能包简介mav_control_rw 功能包是ETHZ ASL的利用mpc控制实现了旋翼式无人机的轨迹追踪算法。mpc是模型预测控制的简称，全称是Model-based Predictive Controlmpc利用一个已有的模型
转载
2024-05-04 22:37:53
349阅读
Pixhawk无人机扩展教程(3)---树莓派安装Dronekit及读取飞控数据前面的2篇教程分别介绍了树莓派在飞行器上的安装 和 ubuntu-mate系统的安装及基本设置。现在我们可以使用笔记本ubuntu终端通过ssh命令远程连接树莓派。这篇教程介绍在树莓派上安装Dronekit，以及如何使用Dronekit编写自己的第一个脚本读取飞控数据。 先了解一下Dronekit是什么？Dr
先说说我为什么对强化学习有兴趣了，从大数据到机器学习、深度学习，现在我对智能化真的产生兴趣了，希望有一天能做出自己的机器人。 然而，学习的第一步就是环境，所以首先搭建一个gym的仿真环境。现在大家用的最多的是openai的gym（ openai/gym），或者universe(，openai/universe),。这两个平台非常好，是通用的平台，而且与tensorflow和Theano无缝连接，
转载
2024-03-29 13:58:03
93阅读
AirSim中使用多种模型无人机进行仿真本文实现的效果实践部分准备三维模型修改仿真模型替换模型机身和螺旋桨修改settings.json配置文件开始仿真Reference 本文实现的效果先看符不符合自己需求，再决定是否阅读本文内容。实践部分准备三维模型首先，需要准备好 fbx 类型的三维无人机模型，将目标无人机模型分成机身和旋翼两大部分打包。其中螺旋桨部分，可以只打包一个螺旋桨变成 fbx 文件
转载
2024-05-13 12:35:29
886阅读
在本篇博文中，我们将深入探讨如何使用Python编写强化学习算法来规划无人机路径。随着科技的飞速发展，无人机被广泛应用于物流、农业、监控等领域，其路径规划问题变得越来越重要。特别是在动态环境中，如何有效规划路径以完成任务是一个具有挑战性的议题。
## 背景描述
从2010年代中期开始，无人机技术快速发展，各种应用如配送、拍摄和农业监测层出不穷。在这些应用中，路径规划是核心问题之一。近年来，许多
移动机器人智能的一个重要标志就是自主导航，而实现机器人自主导航有个基本要求——避障。那么移动机器人到底是靠哪些技术来实现避障的呢？ 1、红外传感器 大多数红外传感器测距都是基于三角测量原理。红外发射器按照一定的角度发射红外光束，当遇到物体以后，光束会反射回来，如图所示。反射回来的红外光线被CCD检测器检
✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。? 内容介绍随着无人机技术的不断发展，无人机的应用场景也越来越广泛。在无人机的使用过程中，控制航路是非常重要的一环。动态控制无人机航路是指在无人机在飞行过程中，通过实时的数据采集和处理，调整无人机的航路，以达到更好的控制效果。本文将介绍动态控制无人机航路的原理流程。一、原理动态控制无人
最近要确定开题方向，因此多在看相关的论文，为了提高学习效率，通过笔记形式总结下来，也希望和趣味相投的同学一起探讨，共同进步。（内容设计学者论文，侵权望告知删除）。大目录选题依据研究设计方案目前论文中提及过的创新点目前还有哪些不足之处一、选题依据 1、选题的理论和实践意义无人机已在战争、搜救、交通巡查、快递运输、农作植保、建筑安防、遥感测绘等领域实际有所运用，但在某些具体领域，如战争，单架
