python yolov5 训练数据集 无人机航拍数据集合 人工智能 深度学习 目标检测 目标识别

针对无人机SEAD任务的路径规划问题，利用VORONOI图构建初始路径，分析了路径代价计算方法，并使用改进的多目标蚁群算法对路径进行优化选择。针对该特殊应用场景，引入了各路径段与起始点—目标点连线的夹角信息作为新的启发信息，加快了算法的搜索速度，同时改进启发信息的计算公式，适当缩小各可选路径段启发信息量的差异，加强了蚁群算法的全局搜索能力。仿真结果显示，与基本多目标蚁群算法相比，改进后的算法有效提高了路径搜索的效率和质量。

国家二等奖获奖论文。本文基于平面几何分析以及正弦定理建立了三角分区定位模型，针对发射与接收信号的 无人机的相对位置不同的问题，提出了分区控制算法，并结合三角形相似定理和控制变量的 思想，提出了互反馈方位调整模型。 对于问题一的第一小问，利用三角分区定位模型、以及分区控制算法对接收信号的无人 机进行定位，该定位模型适用于所有包含 FY00 在内的任意三架无人机发射信号进行定位的 情况,即编号为 FY00、FY01、FY0M（M∈{2，3，4，5，6，7，8，9}）的无人机发射信号， 当队列中某架飞机 FY0N 接收到的方向信息为?、?、?（?、?、?的定义见符号说明），根 据各个区间的的无人机之间的平面几何关系，可以得到各个区域的无人机的位置信息的关于 （?、θ）的通解公式（见正文 5.1.2 公式（9）（10）（11）（12）），之后再利用分区控制 算法分别对各个区域对应的通解公式进行求解，即可得到队列中任意无人机的位置信息。

内容概要： 用于求解2022数模国赛B题——无人机纯方位无源定位的matlab代码，以及进行说明的部分图片。 代码：所有的 源程序代码 GetRound.m 与 GetPoint.m 为问题 1.1 中模型进行圆的求解与定位程序，其中 GetRound.m 是用于求解两圆圆心坐标的程序，GetPoint.m 是求两圆交点从而定位的程 序。 imitate.m 是问题 1.2 中所用到的源程序，该程序执行的结果图置于图.zip 中。 move.m 及 GetBetween.m 和 GetBetween2.m 和 GetBetween3.m 为解决问题 1.3 所用 的源程序。其中 GetBetween.m GetBetween2.m GetBetween3.m 是用于无人机方向定位 的 m 文件函数，move.m 是无人机到达理想位置及理想位置拟合圆检验的程序 图：上述问题中程序跑出的中间图及结果图。 图片 1 为问题 1.2 中进行求解的展示图 图片 2 为问题 1.3 中选定圆周上发射信号的 02 05 08 无人机。

（注：本论文荣获2022年全国大学生数学建模竞赛河北省一等奖；使用MATLAB编程） 无人机集群在遂行编队飞行时，为了避免电磁波信号对飞行的影响，保持飞行时整体的队形，可以使用纯方位无源定位的方法去调整无人机，确保其在准确位置，即无人机之间的相对位置关系保持不变。一个圆形编队由十架无人机组成，其中九架处于某一圆周上，剩下一架恒在圆心。无人机基于自身感知的高度信息，保持在同一个高度上飞行。 问题一第 1 小问：当位于圆周的两架无人机和位于圆心的一架无人机发射信号且它们的位置无偏差时，剩下的位置有偏差的无人机被动接受信号，建立其定位模型。 问题一第 2 小问：规定发射信号无人机位置无偏差，被动接收信号无人机位置略有偏差。首先确定 0 号和 1 号无人机发射信号，需要额外增加几架发射信号无人机，才可以实现其他接收信号无人机的准确定位。 问题一第 3 小问：圆形编队的要求是 0 号无人机处于圆形，其他 9 架机均匀分布在半径为 100 m 的圆周上。给出所有无人机与准确位置略有偏差的初始位 置......

无人机航测成果精度分析

无人机任务分配传统算法（遗传算法、粒子群算法、蚁群算法）

通过调整无人机速率和飞行轨迹，节省无人机的飞行能耗

RRT算法三维无人机路径规划（matlab）

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真