- 低信噪比环境下稳健低成本的无人机检测与分类
本研究提供了用于模型开发的公开数据集,并对低信噪比条件下的卷积神经网络进行了无人机检测的比较分析,同时部署和现场评估了一个实用、低成本的无人机检测系统。
- 狒狒之地数据集:野外灵长类追踪与无人机视频行为识别自动化
利用无人机进行多个个体的同时跟踪,以更好地理解群居灵长类动物的行为;本研究通过无人机视频提出了一种新的研究数据集,用于猴子的检测、追踪和行为识别,结果表明利用深度学习可以对野生动物的行为进行分类,提供对整个群体集体行为的非侵入性洞察。
- 用无人机进行时关紧急野外搜救的深度强化学习
该论文探讨在野外环境中为无人机创建高效的搜索任务的深度强化学习方法,通过利用先验数据和概率分布图,学习最优的飞行路径以快速找到失踪者,实验结果表明,与传统覆盖规划和搜索规划算法相比,深度强化学习方法在搜索时间上取得了显著改进。
- 利用无人机在芬兰森林和沼泽地采集的野生浆果图像数据集
野生浆果图像数据集 WildBe 使用无人机捕获了芬兰泥炭地和树冠下的新品种浆果,评估了六种流行的物体检测器在不同森林地区和相机类型中检测浆果的有效性,并将其公开发布。
- 一种基于注意力的深度学习框架用于实时单目视觉里程计:应用于无 GPS 无人机导航
本文介绍了一种用于无人机的新型实时单目视觉里程计模型,使用了深度神经网络架构和自注意力模块,能够通过连续视频帧估计相机的自身运动,进而估计无人机的轨迹。该模型在两个视觉里程计数据集上测试,收敛速度比之前的循环神经网络模型快 48%,并且平均 - 小型无人机定位与识别的多阶段融合架构:基于无源射频和 EO 图像的案例研究
使用无人机的无源射频和电光图像数据进行多阶段融合架构的开发,以提高整体跟踪和分类能力,并结合 RF 指纹识别为无人机提供唯一设备标识。
- 针对钢桥高分辨率图像中裂缝的深度学习分割
利用无人机和图像处理技术自动化当前桥梁视觉检查实践是提高检查效果、鲁棒性和降低成本的一种显著途径。本文研究了一种新颖的深度学习方法,用于检测高分辨率钢桥图像中的疲劳裂纹,首先,我们介绍了一个包含钢桥裂纹图像的新颖而具有挑战性的数据集。其次, - 互相可见性
我们提出了一种用于优化实时合成孔径采样的引导策略,通过预扫描的点云数据来实现无人机的遮挡去除。利用深度信息可以计算空中单个无人机位置对地面上点的可见性。受到亥姆霍兹互易定律的启发,我们引入了互易可见性来确定双重情况 - 从地面上给定的兴趣点 - 利用强化学习提高基于无人机的温室气体通量推断
通过使用数据同化推断和强化学习优化采样策略的思路,研究展示了一个基于无人机观测的地表通量估计框架,证明了强化学习训练的无人机可以更准确地量化 CO2 热点,而非沿预定义路径进行采样的无人机,这为进一步开发复杂地表通量场的映射框架提供了有价值 - 金丝雀与哨声:具有或不具有深度强化学习的弹性无人机通信网络
在本研究中,我们考虑了一种具有挑战性的情境,其中无人机在供应链的制造过程中受到了损害,并携带着能够广泛传播和带来破坏的恶意软件。我们通过研究多智能体深度强化学习作为一种学习防御策略、最大化通信带宽的工具,来解决这一问题。通过使用一个公共挑战 - 基于视觉的无人机学习:综述
基于视觉学习的无人机在提升操作能力方面起着关键作用,本文综述了视觉学习在无人机中的应用及其面临的挑战。
- 无人机动态火灾逃生路径规划的最优解
该研究聚焦于开发专为无人机设计的基于动态火情和烟雾模型的最佳火灾逃生路线规划系统,首先通过无人机与卫星的信息融合准确定位火灾源位置并使用多通道遥感数据评估周边道路条件,接着实时利用无人机视觉技术提取和分段道路网络并根据道路状况给予优先级,然 - 无人机安全多智能体运动规划中的不确定性下滤波强化学习
我们提出一种可行的、基于强化学习和约束控制轨迹规划的无人机多智能体安全运动规划器,可以处理不确定的、杂乱的工作空间,并确保安全性、避免碰撞。该方法能够实时实施,相对于仅基于学习的方法,训练过程更简单,数值模拟和实验证明了该方法的有效性。
- 城市无人机导航:自编码器学习融合的空气动力学
这篇论文介绍了一种将多目标强化学习与卷积自编码器相结合的方法,以提高城市紧急搜索和救援中的无人机导航。该方法利用多目标强化学习实现多个目标,并利用自编码器进行经济高效的风模拟,通过利用城市布局的图像数据,无人机可以自主进行导航决策,优化路径 - Joint-YODNet:一种轻量级的无人机目标检测器以实现超过 100 帧每秒
通过针对小目标检测任务设计的联合损失函数,我们提出了一种名为 JointYODNet 的新颖方法,用于通过无人机图像和雷达数据进行小目标检测。我们的方法在各种环境条件下的无人机图像数据集上进行了广泛实验,并评估了不同变体的损失函数,确定了最 - 自主控制和操纵员控制的无人机碰撞自由轨迹
通过使用电子识别信息,本研究开发了一种先进的碰撞管理方法,名为 Drone Aware Collision Management (DACM),通过反应式几何冲突检测和解决技术,能够确定和执行各种时间最优的回避碰撞策略,通过广泛的模拟和实地 - 追踪侵入者:一种用于追踪入侵无人机的强化学习方法
使用增强学习和计算机视觉技术以及策略学习框架,基于追踪无人机的驱逐无人机,提出了一种鉴别和追踪入侵者无人机的方法。
- 使用单个摄像头重建无人机的三维轨迹
通过利用单个摄像头,我们提出了一种用于重构无人机的三维轨迹的新框架,并通过结合估计的二维无人机位置、实际长度信息和摄像头参数,几何推断了无人机的三维轨迹,进一步证明了我们的框架在基于单个摄像头的监控系统中的潜力。
- 用于无人机野火图像的分割模型的 FPGA 智能相机实现
通过使用低功耗的可编程门阵列(FPGA)和二值化神经网络(BNN),实现在边缘设备上的成本效益,将计算机视觉算法应用于野火检测、监测和火势评估,从而提高模型吞吐量,并获得可比较的分割性能。
- 基于人类注意力辅助的航空视觉与对话导航的多模型融合
发展能够与人类交流并遵循自然语言命令的智能无人机,该研究提出了一种基于 AVDN 数据集的高效融合训练方法,使用 HAA-Transformer 模型和 HAA-LSTM 模型,对导航路由点和人的注意力进行预测,并在 SR、SPL 指标上取