Wing Flap Suction Window Drone Design

1、旋翼无人机drone数据集，包括各种旋翼无人机: 2、classes: drone； 3、数量： 8000多张标注好的无人机图片； 4、标签格式：txt和xml两种； 5、使用与YOLOv3、YOLOv4、yolov5、ssd、faster-RCNN等多种算法的无人机检测

用户友好的商业级软件，用于无人机图像处理。 从航空影像生成地理参考地图，点云，高程模型和带纹理的3D模型。 它支持多种引擎进行处理，目前支持和 。 入门 Windows和macOS用户可以购买自动，从而简化了安装过程。 您也可以从实时USB / DVD运行WebODM。 请参见 。 寻找纯UI安装的Windows用户也可以从下载“ Desktop App”。 要手动安装WebODM，请执行以下步骤： 安装以下应用程序（如果尚未安装）： Python 点子 Windows用户应安装并且1）确保已启用Linux容器（切换到Linux容器...），2）为Docker提供足够的CPU（默认为2）和RAM（> 4Gb，16Gb更好，但留给Windows使用）转到设置-高级，然后3）选择要将虚拟硬盘驱动器驻留在硬盘驱动器上的位置（设置-高级-图像和卷）。 从Docker Quickstart Terminal或Git Bash（Windows），或从命令行（Mac / Linux），键入： git clone https://github.com/OpenDroneMap/WebODM

YOLOv5-deepsort 无人机多个目标跟踪，代码以配置好，下载后配置环境就可以使用，包括有训练好的YOLOv5s-drone.pt和YOLOv5m6-drone.pt两个模型，并附上了测试视屏和跟踪结果，并可提取目标运动的质心坐标以及可以绘制出目标 的运动轨迹，有使用说明可以参考，目标类别名为drone，YOLOv5的代码为版本5，用于检测和跟踪空中的无人机

自主无人机进行对象跟踪 任务是创建一种自动驾驶无人机，该无人机能够将目标对象保持在其视线中央的某种受限运动下，从而有效地对其进行跟踪。 通过使用模拟器获取被跟踪对象的实时位置（在AirSim中为Car），可以完成对象跟踪。 这种情况可能不切实际，因为在大多数情况下都不可能获得被跟踪对象的精确位置，但是足以验证受约束运动中的自动跟踪的假设。 但是，使用计算机视觉和基本几何形状的技术，可以在已知高度，标高和焦距的情况下从捕获的帧中估计对象的位置。 依存关系 张量流 OpenCV（可选） AirSim（定制货叉） 安装说明 运行git clone --recursive https://github.com/kshitiz38/autonomous_drone_for_tracking.git 注意：如果未使用--recursive标志进行克隆，请手动运行以下代码git submodule

无人机数据集中的对象检测（包含用户界面） 我的环境 操作系统：Ubuntu 18.04.5 GPU：NVIDIA RTX 2070超级 CUDA：10.2 参考 重量文件 yolov5：砝码/drone_survivor.pt :1st_place_medal: 级联rcnn： ://drive.google.com/file/d/1mXANwNMbQU7tmmmhZ81dFaIRvXU6rDQL/view usp sharing 更快的rcnn： ://drive.google.com/file/d/1mXANwNMbQU7tmmmhZ81dFaIRvXU6rDQL/view usp sharing 视网膜网： : 怎么做？ $ git clone https://github.com/AICT-CVAI/Object-Detection-Drone && cd Object_Detecti

darknet版yolov3无人机检测训练权重，包括几万张图片训练好的yolov3-drone.weights和yolov3-tiny-drone.weights训练好的权重，并附上了测试的视频，用于检测空中的旋翼无人机，目标类别名为drone,有需要的可以下载

yolov5无人机目标检测训练权重,附代码，代码为yolov5版本五，训练的 模型为yolov5s，目标类别名为drone,用于检测空中旋翼无人机，训练好的权重和曲线图保存载runs/train文件夹中，有需要的可以下载

base-drone：无人机的基本控制

drone无人机数据集，用于目标检测和跟踪，3300多张，目标包含大中小各种尺度的无人机，类别名drone，标签格式为txt,和xml两种，可直接用于YOLO目标检测和deepsort 目标跟踪等等