自主导航条件下网格细胞放电模型

主要目标是对在 F-86 Sabre 中应用线性二次调节器 (LQR) 和线性时不变模型预测控制器 (MPC) 获得的结果进行比较，同时路径规划技术和非线性制导法律被雇用。 该代码完成了闪电战任务，用 M117 爆破炸弹轰炸指定区域。 利用递归奖励自适应单元分解（RR-ACD）算法，在避开障碍物和尊重约束的基础上计算参考轨迹，然后，平滑 3D 路径规划（S-3D-PP）算法改进路径并定义一个速度剖面。 提到的控制器和非线性制导律是完成任务的关键。 对飞行参数、油耗、轰击精度和风速进行了分析。

月球软着陆自主导航，可用于已解决行星的软着陆以及轨道问题，知道与控制问题

基于地图环境已知下的机器人自主导航，通过Matlab2018实现RRT与双向RRT算法实现全局路径规划，并将规划的点列写入txt文件。之后通过VS2013读取点列数据并以一种比较粗糙的控制方法实现对机器人移动路径控制，实现从起始点运动到目标点的任务。

音视频-图像处理-深空探测光学自主导航研究.pdf

为了解决仓储机器人在全动态环境中的自主导航问题，在分析自主导航技术基础上建立了机器人和动态障碍物的数学模型，搭建了以二维激光雷达为主的环境感知平台，提出了一种改进的人工势场法。在传统人工势场法中同时引入相对速度和相对加速度因素得到改进的人工势场模型，实现机器人在全动态环境中的自主移动。设计了无障碍物和多动态障碍物两种移动环境。经仿真验证，应用改进的人工势场法进行路径规划能高效地避开动态障碍物、跟踪动态目标，且运动路径光滑。

openbot是intel实验室最新公布的低成本自主导航机器人解决方案，全部开源。需要自己准备一部手机，采用目标检测SSD算法，配置MobileNet的神经网络框架，实现视觉导航。所有部件都可以淘宝。本资源包含了全部源代码，包括arduino程序、安卓源码、生成好的APP，仅支持安卓。

基于Deep Reinforcement Learning的自主车辆导航

yolo-midas自主导航 将YOLOv3与MiDaS与单个Resnext101主干结合。 想法是针对两个不同的应用程序使用单个特征提取器，在这种情况下为对象检测和单眼深度估计。 请阅读文章以了解更多详细信息 可以在model/mde_net.py看到模型架构的更改 训练 该模型在“建筑安全装备数据”上进行了训练，可在此处找到 。 如果需要对自定义数据集进行培训，请参考页面中提到的数据准备步骤。 将数据放在data/customdata/custom.data文件夹中 python3.6 train.py --data data/customdata/custom.data --batch 8 --cache --cfg cfg/mde.conf --epochs 50 --img-size 512 请参考配置文件cfg/mde.cfg更改网络配置，冻结不同的分支。 该模型是YO

一、发展背景 作为新一代人机交互平台，虚拟现实聚焦身临其境的沉浸体验， 强调用户连接交互深度而非连接广度（数量）。虚拟现实由来已久， 钱学森院士称其为“灵境技术”，指采用以计算机技术为核心的现代 信息技术生成逼真的视、听、触觉一体化的一定范围的虚拟环境， 用户可以借助必要的装备以自然的方式与虚拟环境中的物体进行交 互作用、相互影响，从而获得身临其境的感受和体验。随着技术和 产业生态的持续发展，虚拟现实的概念不断演进。业界对虚拟现实 的研讨不再拘泥于特定终端形态，而是强调关键技术、产业生态与 应用落地的融合创新。本白皮书对虚拟（增强）现实（Virtual Reality， VR/Augmented Reality，AR）内涵界定是：借助近眼显示、感知交互、 渲染处理、网络传输和内容制作等新一代信息通信技术，构建身临 其境与虚实融合沉浸体验所涉及的产品和服务。早期学界通常在 VR 研讨框架内下设 AR 主题，随着产业界在 AR 领域的持续发力，部分 业者将 AR 从 VR 的概念框架中抽离出来。两者在关键器件、终端形 态上相似性较大，而在关键技术和应用领域上有所差异。 VR 通过 隔绝式的音视频内容带来沉浸感体验，对显示画质要求较高，AR 强 调虚拟信息与现实环境的“无缝”融合，对感知交互要求较高。此 外，VR 侧重于游戏、视频、直播与社交等大众市场，AR 侧重于工 业、军事等垂直应用。从广义来看，虚拟现实包含增强现实，狭义