Bootstrap

【无人机方向】数据集合集!

本文将为您介绍经典、热门的数据集,希望对您在选择适合的数据集时有所帮助。

1

EOS

  • 更新时间:2024-09-24

  • 访问地址: GitHub

  • 描述:

    EOS 是基于双内核实时内核 RROS 的具身智能操作系统版本。 它旨在构建一个易于使用的平台,以收集创建智能机器人应用程序所需的所有软件。 具体来说,有三个重要步骤:

  1. 构建一个机器人包管理器来收集相关的 libraries/framworks/algorithms

  2. 提高机器人开发中的 RROS 能力

  3. 优化 Package Platform 中的包性能

  • 用途:EOS 是专为具身智能设计的双核操作系统,适用于机器人、无人机、卫星或其他需要实时和通用能力的场景。

  • 数据集网址:

    https://github.com/EOS-team/EOS

2

dronev2

  • 更新时间:2024-11-30

  • 访问地址: GitHub

  • 描述:

  1. 收集零件 - 在大幅面 3d 打印机上 3D 打印所有文件,在零件清单中购买电机/树莓派/无人机零件

  2. 根据 youtube 视频组装无人机和着陆垫。也可在此处查看电气原理图。

  3. 设置 Windows 笔记本电脑 + arduino,用于控制无人机和着陆台/电池交换站

  4. 设置 Raspberry Pi,收集样本图像并训练您的自定义图像分类模型,以识别田地中的杂草

  5. 创建航路点文件以覆盖您的田地,并部署无人机喷洒杂草!

  • 用途:

    自主 AI 驱动的杂草喷洒无人机,具有自动飞行、降落、电池更换和液体补充功能

  • 数据集网址:

    https://github.com/NathanBuildsDIY/dronev2

3

Autonomous-Drone-Navigation-TD3-vs-SAC

  • 更新时间:2024-9-27

  • 访问地址: GitHub

  • 描述:

    使用 ROS 和 Gazebo 进行自主无人机导航的近端策略优化 (PPO) 和软行为者-批评家 (SAC) 的比较研究。本项目探讨了这些算法在复杂环境中的性能,重点关注导航效率、避障和学习效率。

  • 用途:

    该项目旨在开发和比较双延迟 DDPG (TD3) 和软演员批评家 (SAC) 算法在无人机自主导航方面的性能。评估将侧重于使用 ROS2 和 Gazebo 在模拟环境中的导航效率、避障和学习效率。

  • 数据集网址:

    https://github.com/sidharthmohannair/Autonomous-Drone-Navigation-TD3-vs-SAC

4

DroneCtrl

  • 更新时间:2024-11-01

  • 访问地址: GitHub

  • 描述:

    DroneCtrl 是一个用于控制和编程自主无人机的 Python 程序。它旨在易于使用并与几乎所有 FPV 无人机配合使用。

    它是为 ELRS Joystic Control 设计的,这是一个很棒的项目,可让您使用操纵杆从计算机控制您的 ELRS FPV 无人机。为了让两个程序能够通信,我修改了 ELRS Joystick Control,你可以在这里得到我的叉子。

    这个程序仍然处于实验阶段!目前,仅支持 linux,无人机必须是运行 Betaflight 并使用 ELRS 的四轴飞行器。此外,计算推力、RPM、油门等的转换函数是特定于我的无人机的。您很可能需要调整它们以与您的无人机配合使用。

  • 用途:让任何 FPV 无人机自主化!

  • 数据集网址:

    https://github.com/konstantinosfragkoulis/DroneCtrl

5

DRL

  • 更新时间:2024-08-28

  • 访问地址: GitHub

  • 描述:

    无人机引用定位:一种用于无人机自定位的高效异构空间特征交互方法

  • 数据集网址:

    https://github.com/Dmmm1997/DRL

6

DroneControl

  • 更新时间:2024-7-28

  • 访问地址: GitHub

  • 描述:

    使用 Tkinter 库以 Python 编写的基于 GUI 的无人机控制应用程序。此应用程序允许用户控制无人机、管理其航点并可视化其在网格上的位置。

  • 用途:该应用程序旨在与 UGCS SDK 无缝协作。

  • 数据集网址:

    https://github.com/shoresj/DroneControl

7

Animal-Species-Detection-unknown-species-detection-poaching-detection-using-yolov8-and-drones

  • 更新时间:2024-06-05

  • 访问地址: GitHub

  • 描述:

    我们由六名成员组成的团队利用最先进的 YOLOv8 算法开发了一个全面的系统,可以检测和监控野生动物物种,识别未知物种,并实时检测偷猎者。本 README 概述了我们的项目,包括关键实验结果和所使用的技术。

  • 用途:我们的项目旨在通过将尖端的计算机视觉监控与先进的无人机技术相结合,彻底改变野生动物监测和保护工作。

  • 数据集网址:

    https://github.com/SulagnaLahari/Animal-Species-Detection-unknown-species-detection-poaching-detection-using-yolov8-and-drones

8

BADOSE-Simulator

  • 更新时间:2024-06-30

  • 访问地址: GitHub

  • 描述:

    BADOSE 是使用 Unity 引擎构建的开源模拟器,并由 ROS 2 连接接口提供支持。该模拟器的主要目的是提供一个能够处理无人机和船只/船只以及涉及海洋湍流和风的物理学的环境。这有助于创建控制算法以及船舶和无人机之间的高级交互,这些算法可以部署在真实硬件上进行测试和部署。 版本 1.0(正式版)的功能

  1. 多代理模拟:控制和模拟多达 10 架无人机和 10 艘船。

  2. 逼真的海洋模拟:在 HDRP 中利用 Unity 的水系统实现逼真的海洋动力学。

  3. ROS 2 集成:单独的主题和节点有助于传达所需的仿真参数。它使用 ROS2Unity 存储库进行连接。

  4. 风模拟:允许通过主题创建和高级风交互。

  5. 相机模拟:为无人机提供数据流。

  6. 交叉兼容性:与 Windows 和 Linux 兼容(尚未在 Windows 上测试)。

  • 用途:

    主要目的是提供一个能够处理无人机和船只/船只以及涉及海洋湍流和风的物理学的环境。

  • 数据集网址:

    https://github.com/Mandred009/BADOSE-Simulator

9

VisFly

  • 更新时间:2024-9-29

  • 访问地址: GitHub

  • 描述:

    VisFly 是一款多功能的四旋翼模拟器,专门用于基于视觉的飞行。 众所周知,由于渲染视觉对硬件的要求很高,数据的短缺是阻碍智能无人机发展的一大限制。 而这个模拟器就是为了处理这个问题而提出的。

    基于 habitat-sim,它具有几乎最高的 FPS(1e4Hz、64*64、RGB、Nvidia RTX 4090)以及丰富的真实场景/对象。 详细的测试结果可以在 https://arxiv.org/abs/2407.14783 中找到。 此外,它按照健身房标准进行包装,并与真正灵活的界面集成。 我们希望您能找到任何您想要自定义自己的环境的东西,尽可能少地付出努力。

    该模拟器包含可微动力学建模, 这被认为是未来一个很有前途的研究方向。 我们已经保留了该接口,并将在接下来的研究中发布它。

  • 用途:这是一款快速且多功能的模拟器,用于训练基于视觉的无人机飞行。

  • 数据集网址:

    https://github.com/SJTU-ViSYS-team/VisFly

10

tello_drone_human_tracking

  • 更新时间:2024-08-27

  • 访问地址: GitHub

  • 描述:

    DJI Tello 无人机的键盘控制,执行物体/人体检测、跟踪和无人机跟踪

  • 数据集网址:https://github.com/bk1021/tello_drone_human_tracking

 温馨  小贴士

如有您想了解的计算机方向数据集

请联系我们

免费为您提供数据集搜索服务

;