.png){kind=icon}
返回
Flight Evolution: Decoding Autonomous UAV Navigation-Fundamentals, Taxonomy, and Challenges
.png){kind=icon}
PRE
AI
DOI：10.1002/ett.70111.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于自主无人机（UAVs）在完成挑战性任务方面的适应性和有效性，近年来对UAVs的研究迅速增加。自主无人机是指无人机在未知环境中以最小人类交互进行导航。然而，当在动态环境中使用时，UAVs面临包括场景建图与定位、目标识别与避障、路径规划、紧急着陆等在内的诸多困难。实时UAVs需要快速响应情况；因此，这是一个需要进一步研究的关键特性。本文提出了不同的新颖分类方法，以简要说明UAVs以及UAVs与地面站通信期间所使用的通信架构。还解释了UAVs的常用数据库，以及自主导航的基础知识，包括最新的正在进行的对象检测与避障方法、路径规划技术以及轨迹机制。随后，我们涵盖了可用的基准数据集以及UAVs中使用的不同类型的模拟器。此外，还讨论了若干研究挑战。从文献来看，发现基于深度强化学习（DRL）的算法在UAV导航领域比其他智能算法更频繁地被采用。据我们所知，这是第一篇涵盖与UAV导航相关不同方面的文章。
Keyword:
architecture
autonomous unmanned aerial vehicle
collision avoidance
navigation
object detection
path planning
protocols
期刊
IF:
2.5
论文数:
481
被引数:
3.9K
机构
引用论文
A Fine-Grained Object Detection Model for Aerial Images Based on YOLOv5 Deep Neural Network基于YOLOv5深度神经网络的精细粒度航空图像目标检测模型
OAAI
OAAI分享收藏A Novel Swarm Unmanned Aerial Vehicle System: Incorporating Autonomous Flight, Real-Time Object Detection, and Coordinated Intelligence for Enhanced Performance一种新型的Swarm无人机系统: 结合自主飞行，实时目标检测和协调智能以增强性能OAAI
OAAI分享收藏A Novel Object Detection Method in City Aerial Image Based on Deformable Convolutional Networks基于可变形卷积网络的城市航拍目标检测新方法.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏R-ADVANCE: Rapid Adaptive Prediction for Vision-based Autonomous Navigation, Control, and Evasion
PREAI
分享收藏
查看更多内容