From 61a46c7dc37a36eb654ed6dd13de60001951878e Mon Sep 17 00:00:00 2001 From: lej627 <3097482133@qq.com> Date: Thu, 18 Dec 2025 18:01:40 +0800 Subject: [PATCH 1/3] =?UTF-8?q?=E6=8F=90=E4=BA=A4=E8=AE=BA=E9=A2=98?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/Unmanned_Aerial_Vehicle_Perception/README.md | 9 +++++++++ src/Unmanned_Aerial_Vehicle_Perception/main.py | 0 2 files changed, 9 insertions(+) create mode 100644 src/Unmanned_Aerial_Vehicle_Perception/README.md create mode 100644 src/Unmanned_Aerial_Vehicle_Perception/main.py diff --git a/src/Unmanned_Aerial_Vehicle_Perception/README.md b/src/Unmanned_Aerial_Vehicle_Perception/README.md new file mode 100644 index 0000000000..4c2cc530cd --- /dev/null +++ b/src/Unmanned_Aerial_Vehicle_Perception/README.md @@ -0,0 +1,9 @@ +无人车感知是自动驾驶系统的基础,相当于车辆的 “眼睛” 和 “耳朵”,核心是通过各类传感器采集环境数据,再借助算法处理信息,最终实现环境理解与自身定位,为后续决策和控制提供依据,以下是其关键组成部分的详细介绍: +核心感知硬件 +不同传感器特性互补,共同构建起多维度的感知体系,具体信息如下: +传感器类型 工作原理 核心优势 典型应用场景 +激光雷达 发射激光脉冲并接收反射信号,生成 3D 点云图 厘米级测距精度,可构建三维环境模型,360° 全方位扫描 高精地图绘制、复杂障碍物识别、精准定位 +车载摄像头 采集二维图像,通过图像算法做模式识别 还原接近人眼的环境细节,可识别交通标志、车道线等 交通信号灯识别、车道线检测、行人及车辆分类 +毫米波雷达 发射 10 - 300GHz 的电磁波,基于多普勒效应测距测速 抗雾、雨、尘能力强,全天候工作,测距远 自适应巡航、碰撞预警、盲区探测、自动紧急制动 +超声波雷达 发射 40kHz 超声波,通过时间差计算距离 近距离测距精度高(误差 1 - 3 厘米),成本低 倒车辅助、自动泊车等低速近距离障碍物探测 +GNSS/IMU 系统 GNSS 提供卫星定位,IMU 测量加速度和角速度 GNSS \ No newline at end of file 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 From 9d3ecab4530819dfe08acc182db7e0dc07df21e9 Mon Sep 17 00:00:00 2001 From: lej627 <3097482133@qq.com> Date: Thu, 18 Dec 2025 18:37:10 +0800 Subject: [PATCH 2/3] =?UTF-8?q?=E6=8F=90=E4=BA=A4=E8=AE=BA=E9=A2=98?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../README.md | 50 +++++++++++++++---- 1 file changed, 41 insertions(+), 9 deletions(-) diff --git a/src/Unmanned_Aerial_Vehicle_Perception/README.md b/src/Unmanned_Aerial_Vehicle_Perception/README.md index 4c2cc530cd..857385dd29 100644 --- a/src/Unmanned_Aerial_Vehicle_Perception/README.md +++ b/src/Unmanned_Aerial_Vehicle_Perception/README.md @@ -1,9 +1,41 @@ -无人车感知是自动驾驶系统的基础,相当于车辆的 “眼睛” 和 “耳朵”,核心是通过各类传感器采集环境数据,再借助算法处理信息,最终实现环境理解与自身定位,为后续决策和控制提供依据,以下是其关键组成部分的详细介绍: -核心感知硬件 -不同传感器特性互补,共同构建起多维度的感知体系,具体信息如下: -传感器类型 工作原理 核心优势 典型应用场景 -激光雷达 发射激光脉冲并接收反射信号,生成 3D 点云图 厘米级测距精度,可构建三维环境模型,360° 全方位扫描 高精地图绘制、复杂障碍物识别、精准定位 -车载摄像头 采集二维图像,通过图像算法做模式识别 还原接近人眼的环境细节,可识别交通标志、车道线等 交通信号灯识别、车道线检测、行人及车辆分类 -毫米波雷达 发射 10 - 300GHz 的电磁波,基于多普勒效应测距测速 抗雾、雨、尘能力强,全天候工作,测距远 自适应巡航、碰撞预警、盲区探测、自动紧急制动 -超声波雷达 发射 40kHz 超声波,通过时间差计算距离 近距离测距精度高(误差 1 - 3 厘米),成本低 倒车辅助、自动泊车等低速近距离障碍物探测 -GNSS/IMU 系统 GNSS 提供卫星定位,IMU 测量加速度和角速度 GNSS \ No newline at end of file +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。​ From bb89af0113d15b0cda3c5a9719590d34b1e05276 Mon Sep 17 00:00:00 2001 From: lej627 <3097482133@qq.com> Date: Thu, 18 Dec 2025 18:45:07 +0800 Subject: [PATCH 3/3] =?UTF-8?q?=E6=8F=90=E4=BA=A4=E8=AE=BA=E9=A2=98?= =?UTF-8?q?=EF=BC=8C=E6=A0=BC=E5=BC=8F=E4=BF=AE=E6=94=B9?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../README.md | 58 +++++++++++-------- 1 file changed, 34 insertions(+), 24 deletions(-) diff --git a/src/Unmanned_Aerial_Vehicle_Perception/README.md b/src/Unmanned_Aerial_Vehicle_Perception/README.md index 857385dd29..dfb4a34275 100644 --- a/src/Unmanned_Aerial_Vehicle_Perception/README.md +++ b/src/Unmanned_Aerial_Vehicle_Perception/README.md @@ -1,34 +1,44 @@ -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​ +# **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​ + +### 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​ + +### 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。​