Skip to content
/ AI_UAV Public

在人工智能、机器视觉、高精度导航定位和多传感器融合等技术的助推下,众多行业迎来了前所未有的发展机遇,人工智能+无人机(AI+UAV)正是一个具有无限想象力的应用方向。

Notifications You must be signed in to change notification settings

zwq2018/AI_UAV

Repository files navigation

AI-UAV

在人工智能、机器视觉、高精度导航定位和多传感器融合等技术的助推下,众多行业迎来了前所未有的发展机遇,人工智能+无人机(AI+UAV)正是一个具有无限想象力的应用方向。

PROJECT PLANNING

1、基础阶段

学习人工智能和无人机领域最前沿的工程理论。

1初步了解飞行控制原理、高精度导航定位原理、多源信息融合技术、无人机结构设计及无人机相关法律法规
2搭建TensorFlow、ROS、APM等深度学习和无人机仿真平台
3应用神经网络建立模型解决基本问题

2、进阶提高

深入研究飞行控制原理、高精度导航定位原理、多源信息融合技术。动手搭建仿真实验环境或者搭建实际开发平台。

1无人机、人工智能相关的算法理论研究
2仿真或者实物开发环境的搭建

3、修炼升级

在无人机上实现您自己搭建的人工智能算法。

1人工智能在无人机决策与规划中应用:通过强化深度学习(DRL)来训练无人机,让无人机实现航迹动态规划和智能避障。
2人工智能在无人机飞行与控制的应用:通过构建惩罚函数、强化学习模型、帮助无人机了解其每个飞行动作的优劣,选择更好的策略来平稳飞行和起降。
3人工智能在无人机环境感知中应用:通过卷积神经网络等模型训练无人机,实现无人机在环境检测、虫害评估、高压线巡航等行业领域应用。
4无人机集群智能研究与应用:通过人工智能技术使无人机具备集群化、智能化的多任务分解与协同作业的能力。

CONTENTS PAGES

1、项目简介

1.1项目目的

1.2适合人群

1.2.1无人机开发者
1.2.2神经网络爱好者

1.3基础知识

1.3.1数学基础
1.3.2编程基础
1.3.3无人机理论基础
1.3.4神经网络基础

1.4开展方式

1.4.1微信公众号定期更新文章
1.4.2开发者交流群

2项目热身

2.1数学理论基础介绍

2.2常用开发软件介绍

3神经网络

3.1基础理论介绍

3.2基本开发环境介绍

3.3实现第一个神经网络

4卷积神经网络

4.1CNN理论介绍

4.2TensorFlow介绍

4.3利用TensorFlow实现CNN

4.4CNN应用项目介绍

5循环神经网络

5.1RNN理论介绍

5.2LSTM神经网络介绍

5.3基于TensorFlow实现RNN、LSTM

5.4调参介绍

6生成对抗神经网络

6.1生成对抗网络介绍

6.2深度卷积生成对抗网络介绍

6.3核心论文推荐

7无人机理论

7.1民航法规

7.2气象学基础

7.3无人机飞行控制原理

7.4无人机行业应用

7.5无人机结构设计基础

7.6无人机嵌入式基础

7.7无人机实验

7.8无人机组装及维修

8无人机仿真环境

8.1ROS仿真环境

8.2PX4/APM仿真环境

9DRL+UAV

9.1DRL 框架介绍

9.2动态规划算法

9.3蒙特卡洛方法

9.4连续空间中的强化学习

9.5深度Q-学习

9.6策略梯度

9.7行动者-评论者方法

9.8利用DRL训练UAV

About

在人工智能、机器视觉、高精度导航定位和多传感器融合等技术的助推下,众多行业迎来了前所未有的发展机遇,人工智能+无人机(AI+UAV)正是一个具有无限想象力的应用方向。

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published