- 博客(66)
- 收藏
- 关注
RSS订阅原创 博士课程大纲：先进传感与检测技术（16 学时）
课程旨在构建 “技术原理 - 性能优化 - 工程适配 - 课题创新” 的完整能力链：既掌握量子传感、柔性电子、多模态融合等前沿技术的物理 / 化学本质，又能针对自身课题（如智能制造精度检测、生物分子定量分析、极端环境参数监测）中的 “低灵敏度、抗干扰弱、微型化难” 等问题设计检测方案，为 IEEE Sensors J、Sens. Actuators B、Nature Electronics 等顶刊顶会论文的 “传感系统设计与检测性能验证” 部分奠定基础。
2025-09-16 11:40:13
917
原创 博士课程大纲：鲁棒控制（16 学时）
课程旨在构建 “不确定性分析 - 鲁棒设计 - 稳定性验证 - 课题创新” 的完整能力链：既掌握 H∞控制、μ 合成、滑模控制等经典方法的数学本质，又能驾驭非线性鲁棒控制、智能鲁棒控制等前沿技术，最终能针对自身课题（如机器人控制、电网调度、工业过程）中的 “参数摄动、外部干扰、模型失配” 问题设计鲁棒方案，为 IEEE TAC、Automatica、SIAM J. Control Optim. 等顶刊顶会论文的 “鲁棒性分析与验证” 部分奠定基础。（注：文档部分内容可能由 AI 生成）
2025-09-15 15:23:09
640
原创 “机械臂+VLM+Pipeline”
通过将VLM嵌入传统的机器人控制Pipeline，我们成功地为其装上了“眼睛”和“大脑”，使其能从“自动化”走向“智能化”。1.手眼标定：利用相机内参和手眼外参，将图像中的2D像素点`(u,v)`结合RGB-D相机提供的深度信息，转换为机器人基坐标系下的3D空间点`(x,y,z)`。1.VLM的精度与幻觉：VLM可能“一本正经地胡说八道”，输出错误的目标。这是一篇以“机械臂+VLM+Pipeline”为核心的技术博客，旨在用清晰、直观的方式阐述这一技术框架的核心思想、实现流程与巨大潜力。
2025-09-15 15:21:44
323
原创 博士课程大纲：数值分析（16 学时）
课程旨在构建 “理论收敛性 - 数值实现 - 误差溯源 - 课题创新” 的完整能力链：既掌握数值线性代数、插值逼近、微分方程数值解等核心方法的数学本质，又能针对自身课题（如偏微分方程求解、参数辨识、系统优化）选择最优数值方案，解决 “高维、刚性、不确定性” 等复杂问题，为 SIAM J. Numer. Anal.、Numer. Math.、IEEE TAC 等顶刊顶会论文的 “数值验证与理论分析” 部分奠定基础。本课程面向数学、工程科学（控制 / 力学 / 信号）、计算机等领域博士研究生，聚焦。
2025-09-15 15:14:47
752
原创 博士课程大纲：应用泛函分析（16 学时）
课程旨在构建 “理论基础 - 应用建模 - 数值实现 - 科研创新” 的完整能力链：既掌握 Hilbert 空间、线性算子、变分法等核心理论的数学本质，又能将其转化为解决复杂问题的工具（如偏微分方程求解、控制系统稳定性分析、信号滤波优化），最终能针对自身课题（如分布式控制、量子信号处理、流体力学建模）抽象泛函模型，为 SIAM J. Control Optim.、IEEE TAC、J. Funct. Anal. 等顶刊顶会论文发表奠定基础。
2025-09-15 15:09:30
1004
原创 博士课程大纲：信号检测与估计
课程旨在构建 “基础理论 - 前沿技术 - 工程落地 - 科研创新” 的完整能力链：既掌握经典检测 / 估计方法的数学本质与局限性，又能驾驭贝叶斯检测、稀疏估计、多模态融合等前沿技术，最终能针对低信噪比（SNR）、异构数据、实时性约束等复杂场景（如 6G 通信、车载雷达、医疗影像）设计创新性检测 / 估计方案，为 IEEE TSP、ICASSP、IEEE ICIP 等顶刊顶会论文发表或课题推进奠定基础。本课程面向电子信息、通信工程、雷达 / 声呐及相关领域博士研究生，聚焦信号检测与估计的。
2025-09-15 15:05:31
775
原创 博士课程大纲：系统辨识与建模（16 学时）
课程旨在帮助学生建立 “机理认知 - 数据驱动 - 模型融合 - 工程落地” 的完整能力链：既能掌握传统辨识方法的局限性与改进思路，又能驾驭数据驱动（如机器学习辅助）、非线性鲁棒等前沿辨识技术，最终能针对复杂工程系统（如工业过程、智能机器人、生物医疗）设计创新性辨识方案，为顶会论文（IFAC、IEEE TAC、Automatica）发表或课题推进奠定基础。教师的针对性指导能帮助避开 “偏离课题”“技术不切实际” 的坑，确保成果既符合课程要求，又能直接服务后续科研（如作为顶会论文的初步框架）。
2025-09-15 14:55:48
729
原创 博士课程大纲：高级人工智能（16 学时）
课程旨在帮助学生建立 “理论根源 - 技术演进 - 场景落地” 的完整认知体系：既能拆解 NeurIPS/ICML/ICLR 等顶会的前沿成果、识别技术痛点，又能将大模型、多模态、强化学习等前沿方法与自身科研课题（如 AI + 科学发现、智能机器人、医疗 AI 等）深度结合，最终具备独立设计创新性研究方案、撰写顶会级论文的能力。教师的针对性指导能帮助避开 “偏离课题”“技术不切实际” 的坑，确保成果既符合课程要求，又能直接服务后续科研（如作为顶会论文的初步框架）。本课程面向人工智能及相关领域博士研究。
2025-09-15 11:57:59
1062
原创 博士课程大纲：机器人科学与工程学科进展（16 学时）
通过课程学习，学生需掌握 ICRA/IROS/NeurIPS 等顶会的前沿成果，能独立分析技术痛点与解决方案，并将前沿方法与自身科研课题（如工业机器人、医疗机器人、仿生机器人等）结合，形成具有创新性的研究思路，为后续论文发表或课题推进奠定基础。建议建立 “顶会笔记模板”，记录 “问题 - 方法 - 创新点 - 不足 - 改进思路”，课堂研讨时能快速输出有深度的观点，提升互动参与分。教师的针对性指导能帮助避开 “偏离课题”“技术不切实际” 的坑，确保成果既符合课程要求，又能直接服务后续科研。
2025-09-15 11:51:29
984
原创 博士课程大纲：模式识别与智能系统学科进展（16 学时）
博士阶段需拆解论文的 “创新点本质” 与 “实验设计逻辑”：例如读多模态融合论文时，不仅要懂 “如何融合”，还要分析 “为何选择该融合时机”“实验对照组如何设计以凸显优势”。建议建立 “论文拆解笔记”，记录 “问题 - 方法 - 不足 - 改进思路”，课堂讨论时可快速输出有深度的观点。评估中 “创新方案” 与 “综述报告” 均看重 “落地性”：例如分析少样本学习时，需结合自身研究场景（如医疗 / 工业）说明 “该技术如何解决本领域数据稀缺问题”，而非泛泛而谈。
2025-09-15 11:38:41
603
原创 博士课程大纲：英文论文写作及国际会议英语
本课程旨在培养博士生的学术英文沟通能力，涵盖英文论文写作规范、国际会议演讲技巧及学术交流礼仪，最终实现从 "合规性表达" 到 "高效学术传播" 的能力跃升。通过系统训练，学生将掌握英文论文全流程写作技巧，能独立完成符合顶级期刊 / 会议标准的学术论文，并在国际会议中进行专业演讲与学术 Networking。
2025-09-15 11:31:40
755
原创 单目相机也能精准 3D 检测？伪激光雷达（Pseudo-LiDAR）这样解决深度难题
单目相机的 3D 检测难题，本质是 “缺深度”；单目图像里有 2D 检测框（知道车在图像里的位置），3D 检测框投影到 2D 后，必须和这个 2D 框对齐 —— 如果 3D 框的投影偏了，就扣分。对行业来说，这不仅是技术突破，更是让自动驾驶感知 “平民化” 的一步 —— 未来，可能更多低成本机器人和自动驾驶小车，都会靠这种 “虚拟深度眼”，安全地感知周围的 3D 世界。，专门解决 “拖尾” 和 “错位” 问题，原理很直观：用语义分割的 “准边界”，去修正深度图的 “模糊边界”，再删掉多余的拖尾点。
2025-09-15 11:22:27
521
原创 自动驾驶公交车怕 “迷路”？MLIOM-AB 用多传感器融合破局，定位误差比竞品低 80%
用 “多 LiDAR+IMU + 轮速编码器” 的融合方案，专门解决了公交车的定位难题：在真实城市道路测试中，绝对平移误差（ATE）的 RMS 仅 1.92 米，比第二名的 10.21 米低 80%，还能生成清晰的高精度点云地图，为公交车的安全导航打下基础。自动驾驶公交车比普通轿车更难 “认路”——6 米长的车身、2.1 米的宽度，单颗 LiDAR 只能覆盖 180°-270° 视野，遇到高楼遮挡、高速转弯时，点云稀疏、定位漂移问题更突出。光有融合的点云还不够，还需要精准的状态估计（位置、速度、姿态）。
2025-09-15 11:12:21
803
原创 800 美元搞定自动驾驶 LiDAR！类视网膜技术打破成本魔咒，还能像人眼一样 “聚焦” 重点
更绝的是，它的光学孔径能做到 25mm（比 MEMS 的 5mm 大 5 倍），根据接收功率公式 P_r \propto D^2（D 是孔径），接收信号强度是 MEMS 的 25 倍，探测距离轻松达到 260 米（100klux 强光下，80% 反射率目标），精度还能做到 2cm（20 米处）—— 性能直接对标高端机械 LiDAR。而这款基于 Risley 棱镜的类视网膜 LiDAR，用 “棱镜 + 数学” 的创新，既解决了传统机械 LiDAR 的成本和制造难题，又弥补了固态 LiDAR 的性能短板。
2025-09-15 11:06:41
942
原创 自动驾驶多 LiDAR 怎么放才靠谱？CMU 研究揭秘：部署位置错了，算法再强也差 10% 精度
这套研究的价值，不仅在于提出了 S-MIG 这样的实用指标，更在于填补了 “物理设计” 和 “算法性能” 之间的空白 —— 未来的自动驾驶感知，应该是 “部署 + 算法” 的协同设计：算法适配部署的点云分布，部署优化算法的感知盲区。为了避免真实测试的高成本，团队搭了一套 “低成本评估闭环”，核心是 “CARLA 仿真 + POG 建模 + S-MIG 指标”，不用装真实传感器，也能快速判断部署好坏。简单说，就是在电脑里搭了个 “自动驾驶感知实验室”，想测哪种部署，改改参数就行。
2025-09-15 11:00:41
680
原创 21秋招中核嘉峪关四零四校招签约经验
公司对核专业、化学/化工类、机械类、电气类、辐射防护、材料类、自动化/测控类等专业方向的本科、硕士、博士毕业生均有需求。公司对血液检测（如白细胞、血小板、血红蛋白指标）、甲状腺功能、视力（无色盲）、心脏功能、神经系统、听力等有明确要求。-慎重签署协议：认真阅读就业协议书（三方协议）和劳动合同的各项条款，特别是服务期、违约金、岗位职责、薪酬结构、福利待遇、保密条款等。关注公司的培训体系、晋升通道和技术发展前景。假期：除国家法定假期外，还提供带薪年休假、探亲假（25天）、婚假（30天）、护理假（30天）等。
2025-09-15 10:48:44
417
原创 中核四〇四求职分享
4. 待遇与稳定性：作为重要的央企，提供极高的稳定性（近乎“铁饭碗”）、有竞争力的薪酬福利（在当地属于绝对高收入水平）、完善的社保公积金以及各种补贴（如高原补贴、保密补贴等）。· 薪资待遇：具体数字是保密的，但可以肯定的是，应届生起薪在当地极具竞争力，加上各种补贴、年终奖和完整的福利保障（五险二金、食宿补贴、通勤班车等），生活质量和储蓄能力非常强。“不该问的不问，不该说的不说，不该看的不看” 是基本准则。· 突出与核工程、热能工程、化学化工、机械、自动化、辐射防护等相关的课程、项目经验或实习经历。
2025-09-14 16:02:28
256
原创 机器人 SLAM 不用再 “氪金”！CamVox 让 800 美元 LiDAR 实现高精度定位，还能自动校准
在机器人导航、自动驾驶领域，SLAM（同步定位与地图构建）是 “眼睛”—— 但传统 SLAM 总陷入两难：视觉 SLAM（如 VINS-mono）怕强光、测不远，10 米外的物体就 “看不清”；就算咬牙买了，LiDAR 点云没有颜色和纹理，遇到隧道、走廊这种 “单调环境”，因为缺乏特征，定位还是会漂移。视觉 + LiDAR 融合 SLAM，最头疼的是 “外参校准”—— 得手动搭棋盘格、调整位置，现场环境（比如户外空地）根本没法固定标定板，一旦设备震动偏移，又得重新校准，费时费力。
2025-09-11 10:39:21
54
原创 只用 LiDAR 也能精准 3D 检测！BirdNet + 让自动驾驶的 “上帝视角” 更靠谱
BirdNet + 的成功证明了一个思路：LiDAR 检测不一定需要复杂的 3D 网络，把 3D 问题转化为 2D BEV 问题，用成熟的 CNN 架构，配合精心设计的特征编码，同样能实现高精度、实时的 3D 检测。，用一个巧妙的思路破解了这个难题 —— 把 LiDAR 点云变成 “鸟瞰图（BEV）”，用成熟的 2D CNN 架构做检测，不仅只用 LiDAR 数据，还能实现 “稀疏性不变” 的精准检测，KITTI Moderate 难度下 3D AP 超 64%，实时性达 10 FPS。
2025-09-11 10:35:14
45
原创 多 LiDAR 标定不用校准板！结构化环境里靠 “平面” 就能自动校准，精度达厘米级
要是能解决非结构化环境的问题，这套方法就能覆盖更多场景，成为多 LiDAR 校准的 “标配”。ICP 靠点云之间的距离最小化来校准，但 LiDAR 点云本身稀疏（尤其是 16 线的 VLP-16），点到点匹配时很容易 “找错对应点”，比如把墙的点和地面的点配在一起，最后校准误差能到 0.9 米，完全没法用。这些交叉点在不同 LiDAR 的点云里都能找到，比如左侧 LiDAR 看到的东北角和中间 OS-1 看到的东北角，本质是同一个点，只要把这些点对齐，就能算出 LiDAR 之间的外参。
2025-09-11 10:29:42
43
原创 城市空中交通要安全？固态 LiDAR 当 “地面眼”，精准识别无人机入侵者
在 UAM 的安全体系里，固态 LiDAR 不是 “唯一解”，但绝对是 “高性价比解”—— 成本低、易安装、不受光照影响，还能精准识别空中目标。但固态 LiDAR 也有个小麻烦：它的扫描是 “花瓣状” 的，点云非重复、无固定采样频率，不像传统机械 LiDAR 是 “环形扫描”—— 怎么处理这种不规则数据，精准识别空中目标，成了研究的核心。未来，当 vertiport 里的 LiDAR 开始工作，空中 “入侵者” 再想 “隐身” 闯入，可就没那么容易了 ——UAM 的安全，又多了一层靠谱的保障。
2025-09-11 10:25:12
33
原创 V2X 协同感知的关键！基础设施 LiDAR 部署终于有了 “仿真 + 评估” 神器
要对比 “LiDAR 装在红绿灯上” 和 “装在电线杆上” 的效果，得先买设备、雇人安装、采集数据、训练模型 —— 一套流程下来几周过去，花几万块不说，还没法保证两次测试的场景完全一样（比如今天晴天明天阴天，车流密度不同），数据根本没法公平对比，最后结果也是 “薛定谔的精度”。RLS 是 CARLA 的插件，能直接在 CARLA 的城市场景中用 —— 你可以用现成的 OPV2V 数据集轨迹，固定车流、天气，只换 LiDAR 部署位置，保证所有测试在 “相同场景” 下进行，对比结果绝对公平。
2025-09-11 10:17:11
25
原创 室内定位终于不纠结！UWB-EKF 方案让多锚点定位 “又快又准”
好在韩国庆北国立大学等机构的研究团队，提出了一种基于扩展卡尔曼滤波（EKF）的 UWB 定位方案，完美解决了 “精度与效率” 的矛盾 —— 多锚点下不仅计算快，误差还比传统算法低一半，LOS（视距）和 NLOS（非视距，比如有墙壁遮挡）场景都能 hold 住。而 UWB（超宽带）技术凭借厘米级精度，成了室内定位的 “香饽饽”。简单说，UWB-EKF 不像传统算法那样 “把所有锚点数据堆在一起硬算”，而是 “先预测、再修正”，既快又准，多锚点数据反而成了 “修正误差的帮手”，而不是 “计算负担”。
2025-09-10 14:59:38
352
原创 相机 + LiDAR 标定不用愁！这款 “万能标定板” 适配所有异构 LiDAR，精度达亚像素级
不过，武汉理工大学的研究团队最近提出了一套 “万能解决方案”：设计一款带棋盘格和圆孔的标定板，配合自动特征提取算法，不仅能适配所有异构 LiDAR（机械、固态、不同精度都能行），还能实现 “零手动操作”，仿真平移误差小于 0.5cm，真实场景重投影误差达亚像素级。对工程师来说，这款 “万能标定板” 和自动算法，无疑是解决相机 - LiDAR 标定的 “神器”—— 不用再为异构 LiDAR 头疼，不用再手动抠特征点，只需几块标定板、4 个姿态，就能搞定高精度外参。这套标定方法的最大价值，是。
2025-09-10 14:53:29
341
原创 固态 LiDAR 的 SLAM 难题终于破了！三传感器融合方案让小视场 LiDAR 也能精准导航
当固态 LiDAR 面对大平面墙、长走廊、空旷地面时，会因为 “几何特征不足” 陷入 “退化”—— 比如机器人在走廊里移动，LiDAR 只能看到前后的墙面，左右方向的约束几乎为零，定位误差会越来越大，最后完全 “跑偏”。这会导致两个大问题：一是 “LiDAR 退化”（面对大白墙、长走廊时，几何特征太少，定位漂移），二是 “动态点干扰”（移动物体的点云比例高，导致配准错误）。这套方案的精髓，在于对 LIO 和 VIO 的 “精准增强”—— 针对退化问题优化 VIO，针对动态点问题优化 LIO，缺一不可。
2025-09-10 14:47:10
711
1
原创 路边 LiDAR 怎么装才靠谱？信息论新指标帮你精准定位部署位置
尤其是高车顶车辆，一旦靠近 LiDAR，会挡住大量激光束，形成巨大的 “感知盲区”（如图 4），要是部署位置没考虑到这点，LiDAR 直接 “失明”。没有公交车遮挡时，LiDAR 装得越低（3~4m），MDG-P 越大 —— 因为离路面近，点云更密集，能看清车道线和近处车辆。举个例子：北京长安街这类多公交车的路段，LiDAR 选 Pandar64，装 5m 高，滚转角调 - 10°—— 既能避开公交车遮挡，又能覆盖双向 8 车道；，把 “凭感觉” 的部署难题变成了 “算参数” 的精准任务。
2025-09-10 14:40:07
871
原创 固态 LiDAR 的导航难题破解了！3D+2D SLAM 融合方案让低成本机器人更聪明
在移动机器人领域，“看得清、走得准” 是核心需求 —— 但长期以来，这两个需求似乎总在 “打架”：机械 LiDAR 视野广（360 度）、导航框架成熟，但成本高得让人却步；近年流行的固态 LiDAR（比如 Livox）成本低、探测远，却因为 “小视野”（FoV）和 “不规则扫描 pattern”，很难适配传统导航方案，成了不少工程师的 “心病”。不过，来自广东工业大学的研究团队最近提出了一套 “神方案”：基于 ROS 系统，把 3D SLAM（Loam Livox）和 2D SLAM（Gmapping）“捏
2025-09-10 14:35:06
205
原创 相机+LiDAR联手！铁路目标检测技术让地铁安全再升级
每天，地铁列车穿梭在城市地下与地面，载着成千上万的人通勤。但你可能没意识到，铁轨上的一颗小石子、前方突发停留的列车，都可能成为安全隐患。过去，列车前方是否有障碍物，全靠司机肉眼观察——这种方式不仅容易疲劳，还会受暴雨、强光、隧道黑暗等环境影响，存在不小的“视觉盲区”。不过，来自北京航空航天大学等机构的研究团队，最近提出了一种相机与LiDAR数据融合的铁路目标检测方案，完美解决了单传感器的短板。更关键的是，这项技术已经在香港地铁荃湾线和北京地铁燕房线成功落地，为铁路安全加上了“双保险”。在聊新方案之前，我们得
2025-09-10 14:29:10
274
原创 漫游车导航选哪种 LiDAR？360 度视场与非重复扫描的实测对决
三、关键发现：误差、可靠性与地图表现的取舍实验在“含障碍、地形不平”的户外场景中进行，漫游车按预设路径行驶，团队通过对比“LiDAR-SLAM轨迹”与“RTK真值轨迹”，以及分析3D地图的完整性，得出了三个核心结论：1.轨迹精度：Horizon略胜一筹，但差距微小衡量导航精度的核心指标是“绝对轨迹误差（ATE）”——误差越小，漫游车定位越准：-Livox Horizon的平均ATE为0.620m；-大体素（0.2m）：虽然细节略差，但计算效率高，能快速生成大范围环境地图，适合大型漫游车或长距离导航任务。
2025-09-10 14:20:55
909
原创 无 GPS 也能 “秒定”：人工信标 + 视觉 SLAM 如何破解自主定位难题
对于开发者而言，落地这套方案的核心是 “因地制宜选信标，深度协同融 SLAM”—— 根据场景的精度需求、成本预算、环境特征，选择合适的信标类型，再通过优化信标检测算法、融合策略，实现 “初始化快、定位准、长期稳” 的目标。在无 GPS 的室内、地下、密闭场景中，“人工信标 + 视觉 SLAM” 的融合方案，既解决了纯视觉 SLAM 的 “漂移、慢、不稳” 痛点，又比激光 SLAM、UWB 定位等方案成本更低（无需昂贵硬件）、灵活性更高（信标可随时调整位置）。
2025-09-10 14:20:01
569
原创 无人舰载机的 “舰面导航仪”：多传感器融合如何破解海上定位难题
无人舰载机的舰面定位，看似是 “厘米级精度” 的技术追求，实则是保障海上无人系统安全、高效运行的核心基石 —— 它直接决定了无人舰载机能否在复杂海况下完成起降、调度，甚至影响整个航母编队的作战效能。多传感器融合技术的价值，不仅在于 “1+1>2” 的精度提升，更在于为无人舰载机赋予了 “应对复杂环境的韧性”—— 让它在 GPS 失锁、激光雷达遮挡、暴雨侵袭的场景下，依然能找到 “回家的路”。多传感器融合的核心逻辑是 “用一种传感器的优势弥补另一种的短板”。
2025-09-09 15:41:37
864
原创 突破感知极限：基于逐级优化策略的特征退化场景自动驾驶定位方法
这些特征退化场景对自动驾驶系统的定位能力构成了严峻挑战。在这些环境中，传统的基于视觉或激光雷达的定位方法往往会因为特征不足或特征重复而性能急剧下降，甚至完全失效。基于逐级优化策略的自主定位方法通过多层次、渐进式的优化框架，有效解决了在特征不足或特征重复环境中的定位问题。本文将深入探讨一种基于逐级优化策略的自主定位方法，该方法通过多层次的信息融合和渐进式优化，使自动驾驶车辆能够在特征退化场景中保持精准定位。这一层级使用位姿图优化和自适应滤波技术，确保即使在特征持续退化的环境中，也能维持稳定的定位输出。
2025-09-09 15:34:44
995
原创 mmdetection3d：三维目标检测领域的 “瑞士军刀”，从入门到实战全解析
当自动驾驶车辆需要在复杂路口精准识别 “横向驶来的电动车”“路边停靠的货车”“横穿马路的行人”，当机器人需要在仓库中定位 “堆叠的纸箱”“待抓取的零件”，背后都离不开三维目标检测技术的支撑。三维检测的数据源多样（激光雷达点云、深度相机点云、双目视觉 disparity 图），数据格式差异大（如激光雷达点云的 .pcd 格式、KITTI 数据集的 .bin 格式），且不同算法对数据的预处理要求不同（如有的需要体素化，有的需要点云特征对齐）。让企业开发者可以快速验证想法，加速技术落地。
2025-09-09 15:29:24
577
原创 面向未知环境的自主无人机智能感知测量技术：突破无人之境
在这些环境中，没有预先加载的地图，全球导航卫星系统（GNSS）信号缺失或不可靠，且环境可能充满动态变化和不可预测的障碍物。随着传感器技术、人工智能算法和计算平台的进步，无人机将能够在越来越复杂和危险的环境中自主操作，执行各种测量和探索任务。未来的挑战在于开发更加智能、可靠和高效的系统，同时确保这些技术的安全性和道德使用。无人机自主感知测量技术的成熟将真正实现"无人之境，尽在掌握"的愿景，为人类探索和利用未知环境开辟全新可能性。-多模态SLAM：结合视觉和激光雷达的优势，提高系统的鲁棒性和精度。
2025-09-09 15:25:22
982
原创 GNSS拒止环境下的无人机新“瞳”：基于Puzzle描述符的点云匹配定位技术
点云匹配定位的核心思想在于通过激光雷达（LiDAR）等手段获取周围环境的三维点云数据，并将其与预先存贮的基准点云地图进行匹配，从而计算出无人机当前的精确位置和姿态。关键在于如何从海量的、稀疏的点云数据中，高效且准确地提取和匹配特征。4.构建矩阵：将所有层的归一化后的中心距离向量组合成一个M行×N列的分层中心距离矩阵（不足N维的用0填充），这个矩阵即为该片点云的Puzzle描述符。Puzzle描述符通过提取点云的全局和局部结构特征，并将其编码为一个紧凑的、对噪声不敏感的描述向量，从而有效应对上述挑战。
2025-09-09 15:18:43
562
原创 基于深度强化学习的无地图移动机器人导航：让机器人在未知环境中智能前行
虽然仍然面临sim-to-real差距、安全性保证等挑战，但随着算法的不断改进和计算能力的提升，基于DRL的无地图导航技术将在服务机器人、工业自动化、太空探索等领域发挥越来越重要的作用，为人类生产和生活带来更大便利和价值。对于复杂环境下的动态目标导航问题，研究人员提出了多智能体协同控制算法（如Teamwork-Net算法），通过多个智能体分别控制机器人的运动速度与运动方向，协同实现更高效、更稳定的导航性能。深度强化学习结合了深度学习的感知能力和强化学习的决策能力，非常适合解决无地图导航问题。
2025-09-09 12:38:07
756
原创 基于遥操作与自主导航的移动救援机器人：灾难现场的智能生命线
移动救援机器人的出现改变了这一局面，而遥操作与自主导航的融合技术更是让这些机器人在保持人类控制优势的同时，具备了自主应对复杂环境的能力。通过结合人类的决策能力和机器的自主性能，这些机器人能够在最危险的灾难环境中执行救援任务，保护人类救援人员的生命安全，提高救援效率。随着技术的不断进步，我们有理由相信，未来的救援机器人将更加智能、可靠和高效，成为灾难救援中不可或缺的力量。>当灾难来袭，人类救援人员面临巨大风险时，融合遥操作与自主导航的移动救援机器人正成为穿越危险区域、拯救生命的智能先锋。
2025-09-09 12:34:36
571
原创 基于多重信息增益的移动机器人探索策略：智能感知未知环境
基于多重信息增益的移动机器人探索策略代表了自主导航领域的重要进展，通过综合评估环境信息、导航成本、感知质量和历史经验等多个维度，使机器人能够在未知环境中做出更加智能的探索决策。最大可见区域策略在复杂环境中难以准确预测。基于多重信息增益的探索策略通过同时考虑环境信息、导航成本、感知质量和历史经验等多个维度，使机器人能够做出更加智能的探索决策，大幅提升探索效率和实用性。未来，我们可以期待看到更加智能、自适应和高效的探索机器人，在各种复杂未知环境中为人类执行探索、检测和救援任务，拓展人类对世界的认知和掌控能力。
2025-09-09 12:30:31
687
原创 融合波前边缘检测与快速搜索随机树：移动机器人自主探索的新突破
融合波前边缘检测与快速探索随机树的自主探索方法，通过结合两种方法的优势，实现了既系统又高效的探索性能。波前算法（Wavefront Frontier Detector）是一种基于栅格地图的边界探测方法，其核心思想是将已知区域与未知区域之间的边界（称为"frontier"）作为机器人的探索目标。随着算法的不断优化和硬件平台的进步，我们期待看到这种技术在更多领域发挥作用，从地球上的搜索救援到外星探索，从工业检测到日常服务，移动机器人的自主探索能力将为人类开拓新的可能性。
2025-09-09 12:26:41
764
原创 未知环境下移动机器人自主导航方法：挑战与突破
随着感知技术、算法理论和计算平台的不断进步，未来的移动机器人将能够在更加复杂多变的环境中可靠工作，为人类探索和改造世界提供强大支持。传统的导航方法依赖精确的环境地图，但在勘探、救援、太空探索等实际应用中，机器人往往需要在探索的同时进行导航，这对感知、规划和控制技术提出了极高要求。本文将系统介绍未知环境下移动机器人自主导航的关键技术，包括环境感知、地图构建、路径规划和控制执行等核心模块，并探讨当前面临的挑战和未来发展方向。>在没有先验地图、环境动态变化的未知区域中，移动机器人如何实现安全、高效的自主导航？
2025-09-09 12:08:54
344
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人