XiaoMi-AI文件搜索系统
World File Search System无人机
基于四元数和动态逆的无人机精确航迹控制
知识共享署名许可协议（ http ： / / creativecommons.org / licenses / by / 4.0 ），其中这是一篇开放获取的文章，根据知识共享署名许可协议（ http ： / / creativecommons.org /许可／ by／ ４．０ ），其中
无人机
摘要：控制人类居住区周围的植被可燃物是减少森林、建筑物和基础设施火灾严重程度以及保护人类生命的重要策略。每个国家在这方面都有自己的规定，但它们的共同点是通过减少可燃物负荷，我们反过来会降低火灾的强度和严重程度。使用无人机 (UAV) 获取的数据与其他被动和主动遥感数据相结合，通过机器学习算法规划野外-城市界面 (WUI) 可燃物突破口的效果最佳。测试了九种遥感数据源（主动和被动）和四种监督分类算法（随机森林、线性和径向支持向量机和人工神经网络），以对五种可燃物区域类型进行分类。我们使用了无人机获取的非常高密度的光探测和测距 (LiDAR) 数据（154 条回波 · m − 2 和 5 厘米像素的正射镶嵌图）、来自 Pleiades-1B 和 Sentinel-2 卫星的多光谱数据以及机载激光扫描 (ALS) 获取的低密度 LiDAR 数据（0.5 条回波 · m − 2 ，25 厘米像素的正射镶嵌图）。通过使用随机森林 (VSURF) 程序的变量选择，对最终变量进行了预选择以训练模型。对这四种算法进行了比较，并得出结论，它们在训练数据集上的整体准确度 (OA) 方面的差异可以忽略不计。结合使用 Sentinel-2 和两个 LiDAR 数据（UAV 和 ALS），随机森林在训练中获得了 90.66% 的 OA，在测试数据集中获得了 91.80% 的 OA。尽管在训练步骤中 SVML（OA = 94.46%）和在测试步骤中 ANN（OA = 91.91%）获得了最高的准确率，但随机森林被认为是最可靠的算法，因为它由于训练和测试性能之间的差异较小而产生了更一致的预测。所用数据源之间的准确率差异远大于算法之间的差异。使用不同日期的点云和一年中不同季节的多光谱信息计算的 LiDAR 增长指标是分类中最重要的变量。我们的研究结果支持无人机在防火带规划和管理以及因此在预防森林火灾方面的重要作用。
无人机演习——如何预防无人机事故
1. 您不得将本作品用于任何商业目的，也不得将其用作任何商业产品或服务的支持内容。 2. 您不得更改、转换或基于本作品进行构建。 例外：附件 A–C、F、G 可在线访问，并可定制以满足每个组织实体的特定要求。这些模板附件旨在根据需要使用和修改，以解决各个组织的安全问题和潜在威胁。 从 JAPCC 网站下载：https://www.japcc.org/drone-drills 3. 本作品的所有副本都必须显示原始版权声明和网站地址。 4. 引用原始作品的完整参考资料必须包括组织、作者姓名和出版物标题。 5. 任何在线复制品还必须提供 JAPCC 网站 www.japcc.org 的链接，JAPCC 要求提供礼貌专线。 6. 本白皮书根据其他方的使用条款使用了他们的知识产权，并合理地注意包含原创者来源和版权信息。原创者的使用条款指导此类材料的重复使用。要获得复制此类材料的许可，请联系此类材料的版权所有者，而不是 JAPCC。如有疑问，请联系我们。
无人机和人工智能
无人机和人工智能的起点 “可操作数据”是除强大可靠的无人机之外，无人机行业最重要的驱动力。无人机通常会生成大量数据——有时甚至超出我们的处理能力。只有当有方法快速处理数据且无需在此过程中投入额外精力时，无人机才能为用户增加价值。图像评估越快、越准确、越容易，效果就越好。将无人机与人工智能结合起来似乎是解决上述挑战的答案。如今，几乎每家从事数据处理、分析或“自主”飞行控制的公司都声称使用人工智能、机器学习或深度学习。但这些术语实际上是什么意思？它们之间有何关系？这些“术语”适用于哪些领域？下文旨在回答这些问题。一般来说，人工智能描述的是机器能够执行具有人类智能特征的复杂任务的能力，包括推理、解决问题、规划、学习以及理解和阅读人类语言等，如下图所示。目前，与机器学习、深度学习和运动规划相关的人工智能是最热门的话题，也将成为本出版物的重点。
无人机系统集成...
摘要 无人机系统 (UAS) 的加速发展导致需要将 UAS 集成到作战中，有时会产生意想不到的结果。特别是对于特种作战部队来说，侦察、监视和深度精确打击仍将是主要任务，而使用无人机对于这些任务来说变得至关重要。无论是直接行动、目标安全、部队近距离保护、图像情报 (IMINT) 近距离火力支援、机动还是战斗补给，UAS 都可以覆盖大量潜在任务。然而，在将 UAS 集成到军事行动中时，最有趣的发展是其对决策过程、人为因素与人工智能之间的平衡以及部队结构设计的影响。
基于无人机的地形分析...
Tekin SUSAM 摘要：无人机 (UAV) 可以为探索考古遗址的建筑提供非常有用的图像数据集。数字表面模型 (DSM) 是一种可以使用摄影测量材料和方法从无人机图像中获取的数据集。本研究的目的首先是获得非常高分辨率的 DSM，其次，对塞巴斯托波利斯考古遗址进行基于地理信息系统 (GIS) 的地形分析。塞巴斯托波利斯古城位于土耳其黑海地区托卡特省的苏卢萨赖区；该遗址属于希腊化/罗马时期。这项研究表明，多旋翼无人机特别适用于需要在考古遗址上空非常低空飞行的应用，并且以这种方式获取的 DSM 对于详细分析考古遗址的地形结构非常有效。关键词：GIS；非常高分辨率 DSM；无人机 1 简介 记录和分析考古遗址及其环境极其重要 [1, 2]。通过使用空中或非空中视角，考古研究中可以实施许多方法。卫星和其他基于空中的数字高程数据集为考古学家提供了非常有价值的信息平台，可用于分析考古区域 [3-6]。这些数据集使研究人员有机会以比众所周知的测量更高的精度对地形表面进行建模
AeroGuard - 我们的无人机
› 能够消除 FAA 第 107 条规定下的各种威胁 › 非常适合保护大型户外聚会（如体育场和音乐会）免受多种同时发生的威胁 › 旨在防止违禁品走私和知识产权 (IP) 盗版 › 没有非法 RF 干扰，不会干扰手机、WiFi 或任何其他合法通信系统 › 完全受控地远离保护区进行处置，几乎消除了附带损害的可能性 › 超高最高速度和极快的响应时间 › 平民友好、不引人注目的操作 › 与现有安全措施和各种检测系统集成，包括雷达、EO/IR、声学和其他新兴技术 › 专门制造的重型机身，电子设备和控制装置专为容错而设计，在美国设计和制造 › 捕获目标的大小/重量可在飞行中立即传达给安全团队 › 地面控制站和拦截器馈送集成到现有的 CCTV 系统中 › 可扩展 - 100 多个拦截器可以同时攻击 100 多个目标 › 可与授权飞机互操作 ›快速、无需熟练的重新加载操作 › 符合 ITAR 标准，ECCN 9A991.b › 美国和国际专利正在申请中
