本文研究了如何使用单一相机感知环境，利用模仿学习技术训练控制器以适应无人机飞行方向，实现低空自主飞行并避开障碍物。

Nov, 2012

通过使用儿童玩具无人机，我们提出了一个实时自主室内探索系统，利用 ORB-SLAM3 进行定位和建图，并采用可靠的异常值去除算法和新颖的出口检测算法，验证了系统的有效性和效率。

Dec, 2023

本文提出了一种基于视觉的室内微型飞行器 (MAV) 导航解决方案，主要关注其在自动化仓库中的应用。我们的工作集中于使用单个相机作为主要传感器，用于检测、定位和路径规划等任务。为了实现这些目标，我们实施了 HSV 颜色检测和霍夫线变换，以在仓库环境中有效地进行线检测。将卡尔曼滤波器集成到我们的系统中，可以可靠地跟踪黄线。我们通过在 Gazebo 11 平台上进行各种 MAV 飞行测试来评估我们基于视觉的线追踪算法的性能，使用 ROS Noetic。这些模拟的结果表明系统能够成功地导航狭窄的室内空间。我们提出的系统有潜力显著降低劳动成本并增强仓储操作的整体生产力。这项工作对于自动化仓库中 MAV 应用领域的发展具有重要意义，解决了高效物流和供应链解决方案的需求。

Oct, 2023

首次实现了在小型无人机中使用单目视觉作为唯一感应模式的视野优化控制，其通过机器学习进行成本敏感特征选择和快速非线性回归进行单目深度预测，并结合其他感应模式。

Nov, 2014

本文提出一种在室内使用单一摄像头实现四旋翼自主导航和寻找目标物体（例如书包）的方法，使用卷积神经网络 (ConvNet) 进行深度学习，使用可视化技术来更好地理解训练网络。

Nov, 2015

通过使用超低功耗的 GAP8 芯片与卷积神经网络，我们实现了一种使用图像视觉引导的自主导航算法，在小型纳米无人机上实现了全自主室内导航，提高了其对高速飞行中的障碍物的响应速度，同时公开了代码、数据集和模型参数，以促进无人机研究的发展

May, 2019

提出了一种全新的端到端方法，利用卷积神经网络将嘈杂的传感观测直接映射到避撞轨迹，从而实现四旋翼的高速自主飞行。在模拟训练中，该方法可以实现从模拟到真实环境的零 - shot 迁移，成功地使四旋翼在森林、雪地、脱轨的火车和倒塌的建筑物等复杂环境中高速自主飞行，并优于传统方法。

Oct, 2021

针对智能四旋翼无人机，本文提出了一种稳健可靠的自主规划系统，结合动态障碍物的跟踪和轨迹预测实现高效可靠的自主飞行，采用轻量级目标检测算法识别动态障碍物，利用卡尔曼滤波跟踪和估计其运动状态，在规划阶段不仅考虑静态障碍物而且考虑动态障碍物的潜在移动，使用基于 B 样条的轨迹搜索算法生成轨迹，并通过各种约束进一步优化以提高安全性和与无人机运动特征的一致性，在仿真和实际环境中进行实验，结果表明我们的方法能够实时检测和避开动态环境中的障碍物，相较现有方法在可靠性上有更大优势。此外，在自然语言处理（NLP）技术展示出卓越的零样本泛化能力的进展下，更友好的人机交互变得可行，本研究还探索了自主规划系统与大型语言模型（LLMs）的集成。

Nov, 2023

本文介绍了一种用于小型自主飞行器（如无人机）的自主导航引擎，此引擎基于神经网络和并行低功耗计算平台 GAP8，可以使得纳米无人机在严格的实时约束下完整地执行复杂的深度卷积神经网络，以实现闭环端到端可视化导航，同时系统耗能相对较小，且不会对飞行结果进行任何妥协。

May, 2018

本文提出了基于深度强化学习和递归神经网络的无人机避障技术，可在未知室内环境中自主避免障碍物，提高了导航距离和推理速率。

Nov, 2018