采用java技术构建的一个管理系统。整个开发过程首先对系统进行需求分析，得出系统的主要功能。接着对系统进行总体设计和详细设计。总体设计主要包括系统功能设计、系统总体结构设计、系统数据结构设计和系统安全设计等；详细设计主要包括系统数据库访问的实现，主要功能模块的具体实现，模块实现关键代码等。最后对系统进行功能测试，并对测试结果进行分析总结。 包括程序毕设程序源代码一份，数据库一份，完美运行。配置环境里面有说明。

无人机监测的光伏系统的热成像图像数据集，共120张无人机监测图片数据 无人机监测的光伏系统的热成像图像数据集，共120张无人机监测图片数据 无人机监测的光伏系统的热成像图像数据集，共120张无人机监测图片数据

无人机3D点云树木计数监测数据集，共3个数据 无人机3D点云树木计数监测数据集，共3个数据 无人机3D点云树木计数监测数据集，共3个数据

固定翼无人机检测创建的数据集。数据集包含554张图像及其yolo txt注释文件。最初它有319个独特的图像，这个数字随着水平翻转增强而增加。它可以用于目标检测和目标跟踪算法的尝试。 固定翼无人机检测创建的数据集。数据集包含554张图像及其yolo txt注释文件。最初它有319个独特的图像，这个数字随着水平翻转增强而增加。它可以用于目标检测和目标跟踪算法的尝试。

无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机) 无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机) 无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机)

无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。 无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。 无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。

无人机检测数据集（多旋翼），有1359张照片，都有标签。有“。txt”和“。xml”文件来训练Darknet(yolo)， Tensorflow和PyTorch模型。 无人机检测数据集（多旋翼），有1359张照片，都有标签。有“。txt”和“。xml”文件来训练Darknet(yolo)， Tensorflow和PyTorch模型。

matlab进行无人机的路径点的仿真

写EXIF-GPS 从无人机日志上传GPS坐标和焦距到照片的EXIF中。 输入是使用工具从jxl文件创建的CSV文件。 CSV文件如下所示： name,latitude,longitude,height,yaw,pitch,roll DSC01505.JPG,35.72515912,-78.69455195,183.10,-0.024451,0.0474495,-0.0796704 DSC01506.JPG,35.72535282,-78.69453640,181.82,-0.0341963,-0.0453087,-0.0160694 DSC01507.JPG,35.72557271,-78.69451902,180.93,0.025517,0.00329905,-0.0783194 DSC01508.JPG,35.72575487,-78.69450289,181.77,0.0673

基于无穷小分析的思想，建立了速度与流量关系的基本模型。 由于放置一定数量的自动驾驶汽车会影响混合交通流的平均速度，因此我们选择自动驾驶汽车的比例作为变量，用k表示。 基于最小二乘法，我们发现k的两个临界值分别为38.63％和68.26％。 当k <38> 68.26％时，它们对道路的通行能力有显着改善。