无人机

XTDrone——无人机基于2D激光Lidar进行二维运动规划（细节提醒以及相关报错解决）二维激光SLAM（HectorSLAM） · 语雀二维运动规划 · 语雀官网上只需要注释掉rviz显示部分，但是后面尝试只注释掉rviz发现，运行hector_slam_xtdrone.launch会报坐标系TF转化的错，所以添加TF树转换：

基于深度强化学习的无人机自主感知−规划−控制策略作者：吕茂隆, 丁晨博, 韩浩然, 段海滨摘要：近年来, 随着深度强化学习(DRL)方法快速发展, 其在无人机(UAV)自主导航上的应用也受到越来越广泛的关注. 然而, 面对复杂未知的环境, 现存的基于DRL的UAV自主导航算法常受限于对全局信息的依赖和特定训练环境的约束, 极大地限制了其在各种场景中的应用潜力. 为解决上述问题, 提出多尺度输入用于平衡感受野与状态维度, 以及截断操作来使智能体能够在扩张后的环境中运行. 此外, 构建自主感知−规划−控制架构, 赋予UAV在多样复杂环境中自主导航的能力.

EQ-雪梨蛋花汤

全球首款 8K 全景无人机影翎 A1 发布解读：航拍进入“先飞行后取景”时代特别说明：本文所有图片素材来源于影翎官网影翎官方介绍称：“全球首款”是指截至 2025 年，A1 是首台全面整合的全景无人机：无需外挂全景相机配件，即可直接拍摄全景画面。该无人机内置全景相机，支持实时数据传输，并可在飞行过程中随时调整拍摄参数。

跟踪不稳定目标：基于外观引导的运动建模实现无人机视频中的鲁棒多目标跟踪https://arxiv.org/pdf/2508.01730v1 多目标跟踪（MOT）旨在跟踪多个目标，同时在给定视频的帧之间保持一致的身份标识。在无人机（UAV）录制的视频中，频繁的视角变化和复杂的无人机-地面相对运动动力学带来了重大挑战，这通常导致不稳定的亲和力测量和模糊的关联。现有方法通常分别对运动和外观线索进行建模，忽略了它们的时空相互作用，导致次优的跟踪性能。在本工作中，我们提出了AMOT，它通过两个关键组件联合利用外观和运动线索：外观-运动一致性（AMC）矩阵和运动感知轨迹延续（MTC）模

无人机激光测距技术应用与挑战1. 定高与降落控制无人机在低空飞行（尤其是降落阶段）依赖激光雷达实时测量与地面的绝对高度，结合飞控系统实现精准悬停或缓降（如配送无人机在1m高度悬停投递），解决GPS低空信号弱、精度差的问题。北醒TF系列等模块可在40m内实现±1.5cm精度，100Hz高频刷新保障响应速度。

测绘级组合导航如何重新定义大型无人机的高精度导航标准？大型无人机正从“空中工具”升级为“精密作业平台”，无论是城市三维测绘、长距离物流运输，还是电网巡检、灾害应急，都对导航系统提出了“高精度、高稳定、全场景适配”的严苛要求。传统单一导航方案要么在复杂环境下“掉链子”，要么因精度不足限制作业效率，而ER-GNSS/MINS-01 MEMS组合导航系统的出现，以“卫星+惯性”的深度融合技术，为大型无人机装上了“精准大脑”，让高精度作业从“理想”变为“常态”。

无人机行业“黑话”飞行状态类：01◦ 炸机：指无人机因操作失误、机械故障或环境干扰等导致的坠毁事故。◦ 提控回家：无人机飞丢后只剩遥控器带回的尴尬场景，用于自嘲飞行失败。

无人机载小型大视场高分辨率曲面复眼镜头设计文章设计了一款适用于无人机载高性能成像的曲面复眼相机系统，兼具大视场、高分辨率和小型化特点。系统由曲面子眼阵列、中继转像系统和平面接收器组成，子眼焦距为12 mm，半视场角为6˚，中继转像系统焦距为8 mm，搭载像元尺寸为3.75 μm的传感器。中继转像系统的引入使得各子眼参数完全一致，并将曲面子眼阵列的曲面像转化为便于平面接收器接收的平面像。系统总视场达到112˚，体积仅为60 mm × 60 mm × 72 mm，F数为3.5，焦距为3.75 mm。在对地距离500 m的高空拍摄时，地面分辨率达到0.

Coovally AI模型快速验证

农田扫描提速37%！基于检测置信度的无人机“智能抽查”路径规划，Coovally一键加速模型落地【导读】本文针对扩散模型训练慢、高分辨率生成效率低的瓶颈，提出DC-AE 1.5框架。该框架核心在于引入结构化隐空间以提升高分辨率生成效率，并采用增强扩散训练技术加速模型收敛。实验表明，在ImageNet等数据集上，DC-AE 1.5在保持高生成质量的同时，实现了更快的训练吞吐率和更优的图像质量，取得了双重突破。

无人机基础知识无人机（Unmanned Aerial Vehicle，UAV）是一种由无线电遥控设备或自身程序控制的无人驾驶飞行器。以下是其基础知识要点：

视觉语言导航

哈工深无人机目标导航新基准！UAV-ON：开放世界空中智能体目标导向导航基准测试UAV-ON 定义了一个开放世界环境中的实例级目标导航（ObjectNav）任务，无人机（UAV）需要根据语义指令导航到目标物体。

Tello无人机与LLM模型控制 ROS这个项目是我们开出来的一个项目，用 LLM+tools 的方式控制 DJI Tello 无人机运动，由于是已经开源出来的项目，因此建议直接跳转至我们的项目链接，所有的更新与 Bug 修复都会第一时间同步上去，博客的更新可能存在滞后。

爱研究的小牛

M4T无人机在外墙脱落监测中的应用：从被动补救到主动预防的技术革新建筑外墙脱落已成为威胁城市公共安全的重大隐患，传统人工检测方法效率低下且风险高。大疆Mavic 4T（M4T）巡检无人机的出现，通过融合AI算法、多光谱成像与智能分析技术，将外墙安全监测从"事后补救"转变为"提前预防"。

Coovally AI模型快速验证

SOD-YOLO：基于YOLO的无人机图像小目标检测增强方法【导读】本文提出 DC-AE 1.5 框架，通过引入结构化隐空间和增强扩散训练两大关键技术，在保持高生成质量的同时，大幅加快扩散模型收敛速度，并显著提升高分辨率生成效率。实验表明，该方法在 ImageNet 等数据集上实现了更快训练吞吐率与更优图像质量的双重突破。>>更多资讯可加入CV技术群获取了解哦

基于GIS的无人机模拟飞行控制系统设计与实现摘要随着无人机技术的不断发展，基于GIS的无人机飞行控制系统在各类应用中逐渐发挥着重要作用。为了提高无人机飞行的精度和安全性，本文设计并实现了一种基于GIS的无人机模拟飞行控制系统，该系统采用SpringBoot、Vue、MySQL以及高德地图等技术，旨在通过地理信息数据精确规划飞行路径并实时监控飞行状态。

Coovally AI模型快速验证

YOLO、DarkNet和深度学习如何让自动驾驶看得清？【导读】本文提出 DarkNet-YOLO 工业级实践框架，通过引入残差优化结构与多尺度特征融合技术，在保持实时检测精度同时显著提升复杂场景适应性。

基于桥梁三维模型的无人机检测路径规划系统设计与实现本项目旨在开发一个基于桥梁三维模型的无人机检测路径规划系统，该系统能够导入桥梁三维模型，自动生成覆盖桥梁全方位（包括桥墩、桥底、桥侧）的巡检航点，规划无人机的飞行路径，并生成可供大疆无人机执行的飞行任务文件。

无人机智能返航模块技术分析1. 多源定位技术九轴惯性导航（IMU）：通过加速度计、陀螺仪和电子罗盘实时解算姿态角（横滚、俯仰、偏航），提供基础姿态基准，并在GPS失效时维持短时定位。

压力传感器选型铁三角：介质·安全·精度在工业自动化与过程控制领域，压力传感器如同系统的“无声哨兵”，精准感知流体状态，守护安全与效率。尤其在油、气、水三类关键介质中，因物性、工况及安全要求的显著差异，选型策略直接影响系统可靠性。

无人机如何靠陀螺仪保持稳定飞行？在无人机的飞行过程中，你是否好奇它是如何保持稳定、精准转向甚至抵抗风力干扰的？答案就藏在它的“神经中枢”——ER-3MG-043三轴陀螺仪中。这款高性能传感器凭借卓越的角速度测量能力，成为无人机飞控系统的核心“指挥官”，让每一次飞行都稳如磐石。