本文提出了使用多个标记的目标姿态估计方法，以应对无人机在记录任务时所面临的挑战。该方法可使无人机成功降落到指定目标上，证明了所采用方案的有效性和可行性。

Apr, 2023

本研究提出了一种基于神经网络和增强学习的无人机自主降落系统，该系统仅依赖于镜头传感器，经过现实世界测试，平均偏差为 15cm。

Sep, 2022

本文探讨了使用基于图像的视觉伺服控制解决空中载具（如四旋翼无人机）在移动平台上的着陆问题。首先介绍了四旋翼飞行器的数学模型，然后设计内环控制。在第二阶段中，利用纹理目标平面上的图像特征来推导基于视觉的控制定律。使用降落目标中一组地标的球形质心的图像作为位置测量，而平移光流作为速度测量。使用可观察特征来表达基于视觉的系统的运动学，并且所提出的控制定律确保收敛，无需估计视觉系统与目标之间的未知距离，同时保证该距离始终保持严格为正，避免意外碰撞。通过 MATLAB 和 3D 仿真软件 Gazebo 对所提出的控制定律进行了评估。对于移动目标的不同速度配置文件，提供了四旋翼无人机的仿真结果，展示了所提出控制器的鲁棒性。

Apr, 2024

小型四旋翼飞行器通过模拟得到的控制策略以及领域随机化和系统识别技术实现了成功的倒置降落行为，模拟了在苍蝇中观察到的行为。

Feb, 2024

文章介绍了一种基于多个微型飞行器的自主动作捕捉系统，该系统采用主动协同检测和跟踪方法，以实现最优的视角配置，从而最小化被追踪人的 3D 位置估计的不确定性，并采用 Gauss 观测模型和外部控制输入等方法进行了多项实验和模拟比较。

Jan, 2019

本文提出了基于低成本四轴飞行器及单目相机的半稠密 SLAM 系统的自主微型航空器导航和探索方法，旨在解决之前假定稠密地图信息的探索方法无法直接应用于纹理缺失区域的挑战。

Sep, 2016

本研究提出了一种共享自主系统，该系统可以协助新手驾驶员在多个高架平台上实现安全着陆，并在使用模拟无人机时进行了用户研究。

Nov, 2020

无人机自主精确降落方法：利用标志物和云台式多传感器相机（包括广角、变焦和红外传感器）进行精确降落，通过使用不同传感器和变焦倍数，消除了大部分辅助传感器要求，最大程度利用了航向信息，以及利用红外标志物在昼夜间进行精确降落，提出了初始搜索和丢失后的搜索的高级控制策略。

Mar, 2024

通过在纳米无人机上进行设备学习，我们提出了解决领域转换问题的方法，并在实施中取得了重要进展。

Mar, 2024

通过使用深度神经网络进行视觉姿态估计任务的新型自动优化流程，本研究针对小型自主无人机的智能化实现提出了两种不同的神经架构搜索算法，采用一套新颖的软件核心，通过并行超低功耗的片上系统在现成的纳米无人机上执行关键深度神经网络层序列，成功提高了当前技术水平并将推理延迟降低高达 3.22 倍。

Feb, 2024