立项评审通过 创新训练 120信息科学与系统科学 无人机未定级

无人机技术近年来迅速发展，其应用范围极其广泛，从生活娱乐，到工业、农业、军事等各个领域均有多元化的应用。因此，提升无人机的自主化和智能化程度是未来发展的必然趋势。特别是在复杂环境下的自主导航、规划和识别能力，是提升无人机实用性和可靠性的重要方向。 在复杂环境中，自主导航和识别技术能够显著提升无人机的任务执行效率和精准度。例如，在灾难救援中，无人机能够迅速、准确地搜寻幸存者并传回现场图像；在农业领域，无人机可以自动巡航田地，监测作物健康状况并进行精确施肥；在工业巡检中，无人机能够自主检测设备状况，发现潜在隐患。 导航、规划和识别的最终目的是实现自主侦测。本项目的核心目标是开发一种能够自主建图、自主规划、自主导航和识别目标物体的无人机系统，并实现自主侦测功能。通过结合多种先进算法，如VINS-Mono、ORB-SLAM3、Ego-planner和YOLO算法，项目致力于研发自主环绕、穿行等相关算法。VINS-Mono算法通过单目视觉和惯性测量单元（IMU）数据，实现高精度的环境建图和定位；ORB-SLAM3则基于特征点提取和匹配技术，进一步提升了建图和定位的精度和鲁棒性。Ego-planner用于路径规划和自主导航，确保无人机能够在复杂环境中高效避障和准确抵达目标位置；YOLO算法则提供实时目标检测和识别功能，使无人机能够识别并跟踪目标物体，并针对目标物体进行作业。 为了实现这些功能，项目将采用深度相机和高性能机载电脑，确保系统在复杂环境下的实时数据处理和智能决策能力。深度相机提供环境的三维信息，增强无人机的感知能力；机载电脑则负责运行各类算法，实现数据的实时处理和决策。 通过这些技术手段，本项目将开发出一套具有高度自主性和智能化的无人机系统，能够在复杂环境中自主作业任务。这不仅扩大了无人机的应用场景，提升了其实用性，还将推动无人机智能化技术的发展。尤其是在灾难救援、军事侦察和环境监测等领域，自主侦察无人机能够显著提高任务的效率和准确性，展现出巨大的应用潜力和社会价值。