无人机

老兵发新帖

无人机视角目标检测数据集使用示例：以上数据集均为从无人机/高空拍摄的地面目标，符合您的需求。建议从VisDrone开始，这是目前学术界和工业界使用最广泛的无人机视角目标检测数据集。

具有飞行约束的无人机MPC MATLAB实现参考代码具有飞行约束的无人机MPC www.youwenfan.com/contentcst/160704.html

基于YOLO26深度学习的【无人机视角DaMa检测】与语音提示系统【python源码+Pyqt5界面+数据集+训练代码】《博主简介》小伙伴们好，我是阿旭。专注于计算机视觉领域，包括目标检测、图像分类、图像分割和目标跟踪等项目开发，提供模型对比实验、答疑辅导等。

机器学习之心

无人机三维路径规划，基于蜣螂优化算法（DBO）实现考虑最低成本：路径、高度、威胁、转角的多无人机协同集群避障路径规划附代码基于蜣螂优化算法（DBO）的多无人机三维路径规划方法，用于在复杂地形与威胁环境中协同规划多条安全、平滑的飞行轨迹。

Kalibr 完全指南：从原理推导到ROS实战，掌握相机-IMU高精度标定在视觉-惯性里程计（VIO）或 SLAM 系统中，相机提供丰富的环境纹理信息，IMU 提供高速的角速度和加速度测量。两者的融合可以优势互补：视觉修正 IMU 漂移，IMU 填补视觉快速运动时的信息缺失。然而，这种融合依赖于精确的时空对齐：

DPMPC-Planner：复杂静态环境与动态障碍物下的无人机实时轨迹规划框架随着自主无人机在工业领域的应用日益广泛，复杂结构化环境中的在线轨迹生成对安全性和自主性至关重要。在这类场景中，无人机需要在杂乱环境中导航至目标，并确保与人类共存时的安全。

无人机遥感在农林信息提取中的实现方法与GIS融合应用在新一轮互联网信息技术大发展的现今，无人机、大数据、人工智能、物联网等新兴技术在各行各业都处于大爆发的前夜。为了将人工智能方法引入农业生产领域。首先在种植、养护等生产作业环节，逐步摆脱人力依赖；在施肥灌溉环节构建智慧节能系统；在产量预测和商品定价生产管理环节提高效能。这些智慧农业迫切需要实现的目标，首先要解决的问题就是多源数据的获取与快速分析。

基于蚁群算法的无人机三维航路规划（MATLAB实现）信息素更新规则：τij(t+1)=(1−ρ)τij(t)+Δτijkτ_ij(t+1) = (1-ρ)τ_ij(t) + Δτ_ij^kτij(t+1)=(1−ρ)τij(t)+Δτijk Δτijk=Q/LkΔτ_ij^k = Q / L_kΔτijk=Q/Lk

灵智实验室

PX4姿态解算技术详解（五）：姿态校正——重力矢量观测与互补滤波在前面的章节中，我们已经建立了姿态的数学描述体系，完成了初始对准，并掌握了基于陀螺仪的姿态递推方法。然而，单纯的陀螺积分存在一个根本性的问题：漂移。无论陀螺仪的精度多高，其测量误差（包括零偏、噪声和温漂）经过积分后都会随时间累积，导致横滚角和俯仰角逐渐偏离真实值。

无人机路径规划算法——EGO-planner建模总结—— EGO-planner 论文笔记（一）B-spline曲线的控制点集合Q。初始化，一条不考虑碰撞的B-spline曲线 Φ \Phi Φ。在可能碰撞的曲线段，从曲线 Φ \Phi Φ取点 Q i Q_i Qi，求 P h i Phi Phi在该点切线，过该点作切线的垂直平面，该平面与初始轨迹平面 Γ \Gamma Γ的交线 l l l, l l l与障碍物表面的交点即 p i , j p_{i,j} pi,j。注：下标j是指第j个障碍物。

灵智实验室

PX4姿态解算技术详解（三）：姿态初始化——双矢量粗对准在姿态估计算法启动之初，系统必须首先获得一个合理的初始姿态。没有有效的初始值，任何基于积分的递推滤波器都将迅速发散。与精确的卡尔曼滤波更新不同，初始姿态估计通常采用一种更直接、更稳健的方法——粗对准（Coarse Alignment）。

灵智实验室

PX4姿态解算技术详解（四）：姿态更新/递推与共锥补偿在完成姿态初始化之后，姿态估计器需要根据陀螺仪提供的角运动信息，持续地推算姿态随时间的变化。这一过程称为姿态更新（Attitude Update）或姿态递推（Attitude Propagation），是姿态估计算法中最核心、执行频率最高的环节。

AiBrainBox-V的核心优势及应用场景分析vs四光吊舱C3-C5例如：人车辆动物无人机距离建议：30–120 m原因：目标尺寸仍然足够YOLO检测稳定例如：判断车辆类型

前网易架构师-高司机

带标注的红外热成像人，无人机，车辆，动物识别数据集，识别率91.9%，17800张图，支持yolo，coco json，voc xml格式,文末有模型训练代码带标注的红外热成像人，无人机，车辆，动物识别数据集，识别率91.9%，17800张图，支持yolo，coco json，voc xml格式,文末有模型训练代码

VLA 分布式智能：Deepoc 开发板助力森林防火无人机集群自主巡检森林防火、边境巡查等野外场景常面临通信不稳、环境复杂、任务范围广等挑战，传统集中式无人机集群易受地面站限制，难以实现长时间、大范围、高可靠的自主作业。Deepoc 具身模型开发板基于VLA 视觉‑语言‑动作架构，将边缘智能赋予单机，使无人机集群在弱网、无中心调度条件下完成自组织协同、动态任务分配与智能编队飞行，为长航时、广域化空中巡查提供稳定技术支撑。一、森林防火无人机集群的现实挑战在森林、山地、郊野等复杂空域环境中，现有无人机集群存在明显局限：依赖中心调度：脱离地面站后协同能力下降，通信中断易导致

从 micro-ROS 到 px4_ros2：ROS2 无人机集成开发实战指南上周在客户现场，我亲眼看着一个团队花了三天时间，试图让他们的无人机通过 ROS 接收一个简单的起飞指令，结果不是通信超时，就是节点崩溃。项目经理苦笑着说：“ROS1 这‘单点故障’的 Master 节点，简直比我们项目的交付风险还高。” 那一刻我意识到，很多从业者还困在 ROS1 的舒适区里，对即将到来的 EOL（2025年终止支持）和更强大的 ROS2 生态视而不见。技术栈的惯性，有时比技术债务更可怕，它让你在旧世界里忙碌，却错过了新大陆的船票。

Apex 300A 24S：无人机电调的高性能技术解析在无人机动力系统中，电调（电子调速器）扮演关键角色，负责控制电机转速和功率输出。南昌长空科技的Apex 300A 24S电调产品，针对高性能应用设计，通过算法优化和硬件升级提升整体效能。本文将逐步解析其技术特点、保护机制和基础参数，帮助用户理解其应用价值。

湖南精循科技

Ansys案例研究 | 无人机叶片静态分析玩具无人机需要在现场承受各种载荷（如有效载荷、推力等）时保持结构完整性。仿真有助于检查设计是否存在任何结构限制。在本例中，我们将研究无人机叶片在压力载荷下的结构完整性。

【Python开源-单目测距】单目无人机多视角测距：DJI RTK图像 → 地面目标3D坐标与距离，平均RE仅2.12%摘要：本文介绍一个开源的单目多视角测距项目，基于 DJI RTK 无人机图像，通过多视角三角测量恢复地面目标的 ECEF 三维坐标，进而计算目标间实际距离。实测 DJI Mavic 3E，25 样本，MAE 0.084m，平均相对误差 2.12%。项目包含核心算法库、Flask Web 演示应用、标定工具及完整文档，MIT 开源。

Betaflight飞控、树莓派RP2350B主控编译教程最后来个验证betaflight\obj 里面就有betaflight_2026.6.0-alpha_RP2350B_MADFLIGHT_FC3.uf2 这个uf2后缀的文件了。