Advertisement

University1652-Baseline：ACM Multimedia 2020大学1652基线：基于无人机...

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
University1652-Baseline是针对ACM多媒体2020会议设计的一个项目，专注于使用无人机进行数据采集和分析的基础方案。该项目由大学团队发起并实施，旨在探索无人机技术在大规模环境监测中的应用潜力，提供了一套开源工具和算法，便于学术界和工业界的进一步研究与开发。 University1652-基线 该存储库包含数据集链接和我们的论文。我们收集了全球72所大学的1652座建筑物。 任务1：无人机视图目标定位。 给定一个无人机视图图像或视频，此任务旨在找到最相似的卫星视图图像，在卫星视图中定位目标建筑物。 任务2：无人机导航。 鉴于一个卫星视图图像，该无人机需要寻找它经过的相关位置（即生成相应的无人机视图）。根据其飞行历史记录，可以将无人机引导回到目标位置。 目录 关于数据集： 数据集拆分如下： 分裂 #imgs ＃建筑物#universities 训练 50,218 701 33 Query_drone 37,855 701 39 Query_satellite 701 701 39 Query_ground 2,579 701 39 Gallery_dro

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • University1652-Baseline：ACM Multimedia 2020大学1652基线：基于无人机...
    优质
    University1652-Baseline是针对ACM多媒体2020会议设计的一个项目，专注于使用无人机进行数据采集和分析的基础方案。该项目由大学团队发起并实施，旨在探索无人机技术在大规模环境监测中的应用潜力，提供了一套开源工具和算法，便于学术界和工业界的进一步研究与开发。 University1652-基线 该存储库包含数据集链接和我们的论文。我们收集了全球72所大学的1652座建筑物。 任务1：无人机视图目标定位。 给定一个无人机视图图像或视频，此任务旨在找到最相似的卫星视图图像，在卫星视图中定位目标建筑物。 任务2：无人机导航。 鉴于一个卫星视图图像，该无人机需要寻找它经过的相关位置（即生成相应的无人机视图）。根据其飞行历史记录，可以将无人机引导回到目标位置。 目录 关于数据集： 数据集拆分如下： 分裂 #imgs ＃建筑物#universities 训练 50,218 701 33 Query_drone 37,855 701 39 Query_satellite 701 701 39 Query_ground 2,579 701 39 Gallery_dro
  • 基于STM32的四轴无人机自主航线设计
    优质
    本项目基于STM32微控制器开发了一套四轴无人机系统，实现了自主航线规划与飞行控制功能。通过算法优化和硬件集成，提升了无人机在复杂环境中的导航精度和稳定性。 随着机器视觉技术的成熟发展，无人机搭载视觉模块进行巡线已成为一个重要的技术热点。我们设计了一种以STM32为主控芯片的四轴无人机系统，并在此基础上实现了自主巡线与视觉跟随等功能。通过OpenMV视觉模块，在巡线过程中完成对线条、点位以及二维码和条形码的检测与识别；利用姿态解算及融合算法确保了在自动巡线时，无人机的姿态稳定控制。 实验结果显示，在进行自主巡线的过程中，该系统能够高效地识别二维码和条形码，并且在线跟踪与定点跟随之间的切换表现得非常稳定。
  • 基于无人机协同的目标多无人机搜索方法
    优质
    本研究提出了一种创新性的基于无人机协作技术的目标搜索算法，特别针对复杂环境中多无人机团队如何高效、协调地执行搜索任务进行了深入探讨。此方法优化了无人机之间的通信与决策过程，显著提升了目标发现的效率和准确性。 无人机协同目标的多无人机协同搜索方法涉及利用多个无人机协作进行高效的目标搜寻。这种方法通过优化各无人机之间的通信与协调，能够显著提升任务执行效率及成功率。
  • 基于深度学习的无人机空中声学识别技术
    优质
    本研究致力于开发基于深度学习算法的无人机空中声学识别技术，旨在提升复杂环境下的声音目标检测与分类精度。通过优化模型架构和训练策略，实现对多种噪声背景中特定音频信号的有效提取和分析，为智能监控、野生动物监测等领域提供先进解决方案。 研究背景与意义：随着无人机技术的快速发展，对无人机探测的需求日益增加。本段落聚焦于利用深度学习方法识别无人机飞行过程中产生的辐射噪声。 在论文中，无人机声学识别被细分为两个部分：首先是检测是否存在无人机活动；其次是精确地辨别出具体类型的无人机。为此，我们提出了一种基于自动编码器和门限理论的算法来判断是否有无人机存在，并采用卷积神经网络（CNN）与循环神经网络（RNN）相结合的方法来进行类型分类。 论文深入探讨了无人机飞行过程中产生的噪声及其产生机理，并通过短时傅里叶变换（STFT）及小波变换技术提取出具有代表性的声信号特征，即时频特性。此外，还详细介绍了深度学习的基本原理和应用方法，包括人工神经网络、激活函数的选择以及如何优化损失函数来改进模型的训练过程。 在无人机存在与否的检测方面，论文通过利用自动编码器重建无人机声音信号中的梅尔倒谱系数（MFCC）特征，并以重构误差作为门限值来进行有效的识别。而对于不同类型无人机的区分，则采用了CNN和RNN两种不同的深度学习架构：前者侧重于时频特性的提取以及数据增强技术的应用来提高准确率；后者则依赖于对梅尔倒谱系数特征的学习能力。 实验结果显示，基于深度学习的方法在高信噪比环境下能够实现较高的识别精度。
  • 【无人机操控】基于MATLAB的无人机全动力学模型【附带Matlab源码 4850期】.mp4
    优质
    本视频详细讲解了如何使用MATLAB构建无人机的动力学模型，并提供实用的代码资源，适用于研究和教学。 Matlab研究室上传的视频均有对应的完整代码，这些代码经过测试可以正常运行，并且适合初学者使用。 1. 代码压缩包内容包括： - 主函数：main.m； - 调用函数：其他m文件；无需单独运行。 2. 运行所需的Matlab版本为2019b。如果在运行过程中遇到问题，请根据提示进行修改，或者向博主寻求帮助。 3. 具体操作步骤如下： 步骤一：将所有相关文件放置于Matlab的当前工作目录中； 步骤二：双击打开main.m文件； 步骤三：点击运行按钮直至程序执行完毕，并查看结果。 4. 若需要进一步的帮助或服务，如获取博客或资源的完整代码、期刊文献复现、定制化Matlab编程或者科研合作，请联系博主。
  • 基于任务的无人侦察机航线规划算法（2015年）
    优质
    本研究提出了一种针对无人侦察机的任务导向型航线规划算法。通过优化飞行路径，提高了执行复杂侦察任务时的效率和灵活性。该方法考虑了多种约束条件，包括安全因素、能源消耗以及实时环境变化等，并结合实际案例验证了其可行性与优越性。 针对高空长航时无人侦察机航线规划问题，本段落引入图像质量方程来预测待侦察目标的图像质量，并设计了一种综合考虑目标成像质量、所受威胁因素以及侦察航线路径长度的无人机航迹性能评价函数作为粒子群算法中的适应度函数。通过该方法求出Pareto解集，并利用加权法确定最优解。仿真结果表明，考虑到图像质量因素的无人机侦察航迹规划能够很好地满足无人机成像侦察任务的需求。
  • 【无人机通讯】基于5G的无人机飞行基站搭建（附带Matlab代码 3293期）.zip
    优质
    本资源详细介绍如何利用5G技术构建支持无人机通信的飞行基站，并提供实用的Matlab编程代码，适用于研究与开发工作。 用户海神之光上传的代码均可运行且亲测有效，直接替换数据即可使用，适合编程新手；1、压缩包内容包括主函数main.m以及其它调用函数m文件；无需额外配置或结果展示图；2、支持版本为Matlab 2019b；如遇问题，请根据提示进行修改或者寻求帮助；3、运行步骤如下：将所有文件放入Matlab的当前工作目录，双击打开main.m文件并点击运行，等待程序完成以获取结果。4、如有仿真咨询需求或其他服务需要（包括但不限于博客或资源完整代码提供、期刊复现、MATLAB定制开发及科研合作），请直接联系博主；涉及的具体领域有功率谱估计与故障诊断分析、雷达通信技术（如LFM信号处理、多输入多输出系统研究等）、生物电信号解析（肌电图EMG，脑电图EEG和心电图ECG）以及各类通信系统的开发。
  • 2020年山东大学人机交互试题与答案
    优质
    本资料汇集了2020年山东大学人机交互科目的考试题目及详细解答，旨在帮助学生深入理解该领域知识和考核要点。 2020年山东大学人机交互考试题目及答案。
  • 基于改良蜣螂算法的无人机航线规划-甄然.pdf
    优质
    本文介绍了采用改良蜣螂算法优化无人机航线规划的研究成果。通过模拟蜣螂觅食行为，提出了一种高效路径搜索策略，适用于复杂环境下的无人机自主导航任务。作者：甄然。 一、蜣螂算法概述 蜣螂算法是一种模拟自然界现象的优化方法，模仿了粪金龟寻找食物的行为模式，并将其应用于多维函数优化问题中。该算法具备较强的全局搜索能力和较快的收敛速度，但同时也存在一些缺点，如容易陷入局部最优解和收敛过程较慢等。 二、改进后的蜣螂算法（PLDBO） 针对原有蜣螂算法存在的不足之处，研究者提出了改进版的蜣螂算法——PLDBO。通过引入分段混沌映射技术优化初始化步骤，并增强了种群多样性；同时采用黄金正弦函数来调整滚动式更新公式，使全局搜索与局部探索能力得到了更好的平衡；此外还加入了一套策略自适应机制以提高横向交叉操作的效果，从而进一步提升了算法的收敛精度和整体性能。 三、航迹规划挑战 无人机（UAV）路径设计的核心在于寻找最佳飞行轨迹，以便最大化利用资源并减少潜在的风险。基于PLDBO优化方案被提出用于应对这一难题：通过构建三维任务空间模型及定义相应的成本函数将问题转化为多维搜索任务；随后运用改进后的蜣螂算法进行求解以获取最优解决方案。 四、实验验证 为测试PLDBO的有效性，研究者在一系列经典基准函数上进行了对比分析。结果显示，在这些标准测验中PLDBO能够找到更优且更加实用的路径选择方案；与此同时还将该方法应用于实际航迹规划场景，并通过仿真实验进一步证明了其优越性和实用性。 五、总结 基于改进蜣螂算法（PLDBO）的无人机轨迹设计策略为解决复杂的优化问题提供了一种新的视角，不仅能有效应对飞行路线规划挑战，还能显著提升任务执行效率和安全性。这一成果展现了该技术广阔的应用前景。