自主无人机进行对象跟踪 任务是创建一种自动驾驶无人机，该无人机能够将目标对象保持在其视线中央的某种受限运动下，从而有效地对其进行跟踪。 通过使用模拟器获取被跟踪对象的实时位置（在AirSim中为Car），可以完成对象跟踪。 这种情况可能不切实际，因为在大多数情况下都不可能获得被跟踪对象的精确位置，但是足以验证受约束运动中的自动跟踪的假设。 但是，使用计算机视觉和基本几何形状的技术，可以在已知高度，标高和焦距的情况下从捕获的帧中估计对象的位置。 依存关系 张量流 OpenCV（可选） AirSim（定制货叉） 安装说明 运行git clone --recursive https://github.com/kshitiz38/autonomous_drone_for_tracking.git 注意：如果未使用--recursive标志进行克隆，请手动运行以下代码git submodule

关于地图的matlab代码绘图Ulog plotUlog 是八度（matlab 的开源等价物）.m 脚本包，用于绘制由 pyulog 解析和转换的 ULog 文件。 ULog 是一种自描述的日志记录格式，已记录在案。 是功能强大的数学软件，内置绘图和可视化工具，可在 Linux、macOS、BSD 和 Windows 上运行。 在 Octave 4.4.1及更高版本上测试。 请注意plotUlog在 ubuntu 16.04 上的 Octave 版本 4.4.2 下测试。 安装 在 ubuntu 上安装八度 添加ppa以安装4.4.1或更高版本的octave $ sudo add-apt-repository ppa:octave/stable $ sudo apt update $ sudo apt install octave 现在 Octave 可以从 ubuntu 的启动栏中运行 安装pyulog ，它将解析 ULog 文件并转换为 .csv 文件。 pyulog可以从下载或访问 克隆 plotulog git 或在任何文件夹中下载并解压缩包。 文件名 根据 px4 固件的版本

2018版《无人系统综合路线图（2017-2042）》

本文将自动驾驶算法部分分成以下三个部分：场景识别、路径规划及车辆控制。每一类别都是由多种算法组成的。例如场景识别需要定位，物体检测及追踪算法。路径规划通常由任务、运动规划组成，车辆控制则对应路径跟随。下图1，显示了算法基本的控制及数据流。接下来本文将按照下图来组织文章结构，顺序介绍自动驾驶平台上的相关算法。定位是自动驾驶中最基本及重要的问题之一。尤其是在城市道路上，定位的精确度决定了自动驾驶的可靠性。Autoware采用NormalDistributionTransform(NDT)配准算法[1]。为了进一步提高精度，Autoware又采用了[2]中的方法，并配合高质量的3DLidar传感器及

2021 5G网联无人机白皮书

瑞芯微px30 linux ubuntu ROS开发从零基础到精通.pdf

地层控制分析与设计问题 无人机（UAV）群系统实现时间

基于matlab无人机编队模型程序，解决局部leader的选取问题

适应中国市场的无人出租车落地方案.pdf

室内设计中于无人处生出一朵蓝莲,兀自旖旎.docx