diff --git a/src/Unmanned_Aerial_Vehicle_Perception/README.md b/src/Unmanned_Aerial_Vehicle_Perception/README.md new file mode 100644 index 0000000000..dfb4a34275 --- /dev/null +++ b/src/Unmanned_Aerial_Vehicle_Perception/README.md @@ -0,0 +1,51 @@ +# **一、无人机感知的核心定义​** + +### 无人机感知是指无人机通过搭载的各类传感器,获取自身状态、周围环境及目标对象的信息,并进行处理、分析与理解的过程,是无人机实现自主飞行、任务执行的 “眼睛” 和 “大脑”,核心目标是解决 “我在哪、周围有什么、要做什么” 三大问题。​ + +## 二、核心感知技术分类​ + +#### 1. 环境感知技术​ + +视觉感知:基于摄像头(单目 / 双目 / 多目)捕捉图像,通过计算机视觉算法(如目标检测、语义分割、SLAM)识别障碍物、地形、交通标识等,优势是成本低、信息丰富,适用于低空近距离场景。​ +激光雷达感知:发射激光束扫描环境,通过接收反射信号计算距离,生成高精度点云地图,具备抗强光、抗雾尘能力,测量精度达厘米级,是室外复杂环境下的核心感知方案。​ +毫米波雷达感知:利用毫米波频段电磁波探测目标,可穿透雨、雾、雪等恶劣天气,能同时获取目标距离、速度、角度信息,适用于高速移动目标检测和全天候飞行场景。​ +红外热成像感知:捕捉目标红外辐射,转化为热成像图,不受光照条件限制,可在黑夜、浓烟环境中识别活体、热源目标,常用于搜救、安防监控。​ + +### 2. 自身状态感知技术​ + +惯性导航(IMU):通过陀螺仪、加速度计实时测量无人机角速度和加速度,推算位置、速度和姿态,响应速度快,但存在累积误差,需与其他技术融合。​ +卫星导航(GNSS):包括 GPS、北斗、GLONASS 等,通过接收卫星信号定位,户外定位精度高(普通场景米级,RTK 技术可达厘米级),是无人机远程飞行的基础。​ +气压高度计:测量大气压力计算飞行高度,成本低、功耗小,用于辅助高度控制,弥补卫星导航在遮挡场景下的不足。​ + +### 三、关键感知组件​ + +* ​ +* 组件类型​ +* 典型设备​ +* 核心作用​ +* 图像传感器​ +* 高清摄像头、鱼眼相机​ +* 视觉图像采集、场景还原​ +* 距离传感器​ +* 激光雷达、超声波传感器​ +* 障碍物距离测量、地形测绘​ +* 定位传感器​ +* GNSS 模块、IMU 惯性测量单元​ +* 位置定位、姿态控制、速度计算​ +* 数据处理单元​ +* 嵌入式芯片(FPGA/MCU)​ +* 传感器数据融合、算法实时运算​ +* ​ + +### 四、主要应用场景​ + +测绘勘探:通过激光雷达 + 视觉感知生成三维地形模型,应用于国土测绘、矿山勘探、道路规划。​ +安防监控:红外 + 视觉感知实现全天候目标跟踪、异常行为检测,用于城市安防、边境巡逻。​ +农业植保:视觉 + 毫米波雷达感知作物长势、识别病虫害,辅助精准施肥、农药喷洒。​ +物流配送:多传感器融合感知规避障碍物、定位配送点,实现末端无人配送。​ +应急救援:红外感知在地震、火灾现场探测被困人员,视觉感知传回现场画面,辅助救援决策。​ +五、技术发展趋势​ +多传感器融合:结合视觉、激光雷达、毫米波雷达优势,提升复杂环境下感知的可靠性和鲁棒性。​ +AI 赋能感知:通过深度学习算法优化目标识别、语义分割精度,实现端到端智能感知。​ +轻量化与低功耗:传感器和处理单元小型化、低功耗设计,适配微型无人机应用。​ +抗干扰能力强化:优化传感器抗电磁干扰、抗恶劣天气性能,拓展极端环境适用范围。​ diff --git a/src/Unmanned_Aerial_Vehicle_Perception/main.py b/src/Unmanned_Aerial_Vehicle_Perception/main.py new file mode 100644 index 0000000000..e69de29bb2