基于AirSim的无人机飞行模拟训练系统设计与实现

为解决无人机驾驶员培训中存在的效率低、成本高、危险因素多等诸多问题,设计了一套基于虚拟现实技术的无人机驾驶员飞行模拟训练系统,包含无人机慢速水平360°自旋训练系统、水平8字模拟训练系统和考核系统。在系统实现部分,阐述了基于虚幻引擎(UE)和AirSim的各个子系统的设计思路和技术实现;在系统功能部分,介绍了无人机飞行模拟训练系统实现的功能,包括飞行训练、飞行考核、训练信息管理等。系统运行效果表明,基于虚拟现实技术的无人机驾驶员飞行模拟训练系统可以丰富无人机飞行场景,提升无人机驾驶员应急操控训练水平和效率,具有重要的应用前景和实用价值。

基于AirSim平台的无人机蜂群侦察搜索仿真与分析

当前关于无人机蜂群侦察搜索运用的研究缺乏可供参考的具体战术运用的模式分析方法。针对上述问题,基于AirSim仿真平台,通过对具体战术背景下的无人机蜂群进行仿真与分析来选择最优策略,提出模式分析的方法。首先,以AirSim仿真平台为基础设计无人机蜂群仿真模型和模拟环境;其次,提出用于模式分析的指标和计算方法;然后,结合战术背景设计基于长条策略的横队队形、基于螺旋策略的横队队形、基于长条策略的三角队形和基于长条策略的分组队形等4种运用模式;最后,通过仿真收集数据进行模式分析。仿真实验结果表明:无人机蜂群对明确区域进行侦察搜索时,采用基于长条策略的横队队形模式和基于长条策略的分组队形模式较合理。

基于AirSim平台的无人机轨迹跟踪仿真

针对传统四旋翼无人机轨迹跟踪控制器精确度不够高、模拟仿真结果验证过程不够准确逼真的问题,基于AirSim仿真平台,通过对四旋翼无人机跟踪圆形期望轨迹进行仿真与分析,提出了一种基于遗传算法(genetic algorithrm,GA)、线性二次型调节器(linear quadratic regulator,LQR)和加速度补偿的轨迹跟踪优化策略。在使用加速度控制无人机飞圆形轨迹并使用LQR控制器对其轨迹跟踪的技术前提下,首先,计算出无人机的期望加速度并添加加速度补偿,可提高无人机做变加速运动的稳定性;然后,利用遗传算法优化线性二次型调节器的参数Q矩阵,可提高无人机轨迹跟踪控制器的精确度。仿真分析结果亦表明,优化调整后的LQR控制器使无人机轨迹跟踪控制结果与期望的圆形轨迹重合度更高,且在AirSim仿真平台的仿真结果直观可视,对四旋翼无人机的飞控算法方面的关键技术研究与验证具有一定重要意义。

自适应神经网络控制在车辆自主驾驶中的应用

随着人工智能和深度学习的快速发展,确保在复杂的现实环境中无缝、安全地导航是目前自动驾驶面临的主要问题。面对多变的交通环境,这是将复杂的数学公式转化为精确的物理步骤。文章的目标是通过在真实模拟中开发和测试复杂的控制系统和深度学习技术,提高自动驾驶汽车在各种驾驶场景下的安全性和有效性。这项研究涉及AirSim模拟器的使用,用于训练神经网络独立驾驶汽车。该研究首先使用AirSim利用虚幻引擎中可用的环境,并利用神经网络操纵汽车训练它。第二部分在此基础上研究了数据源选择对神经网络性能的影响。比例-积分-微分(PID)控制器和模型预测控制(MPC)用于收集数据并在其上训练设计的模型。该报告还探讨了遇到的困难,例如模型选择和作为性能指标的均方误差的限制,为未来在真实世界应用和更复杂的控制场景中的研究奠定了基础。本研究中将使用MPC和PID控制器收集数据的结果,然后将经过训练的模型应用于该数据集。通过验证数据集的图像输出输出,以测试该模型在自动驾驶测试中的泛化能力。

基于机器视觉的机器人避障算法研究

为了解决机器人在自主导航中避障能力有限的问题,采用YOLOv5s目标检测模型来实现障碍物视觉感知。随后,将视觉感知算法获取的障碍物二维坐标和深度相机的深度值结合,形成实时导航信息。在避障方面,提出了自适应修正导航矢量场算法,以实现自主导航功能。通过在基于AirSim的仿真平台上的验证,结果显示避障成功率可达94%,表明该算法能够增强机器人的感知能力并提高其避碰性能。

面向自主导航的无人机仿真实验平台构建

为了减小无人机执行自主导航任务过程中受到的各种干扰因素影响,增加稳定性,降低试飞风险并节省成本,该文面向建筑空间环境下无人机的自主导航任务需求,对无人机和传感器模型进行了分析,构建了建筑空间环境飞行场景库,并搭建了分布式仿真平台以保证无人机在模拟环境下高效地完成相关算法的验证与评估。

基于UE的水下机器人动态仿真平台设计与实现

水下机器人在设计和研制时需要经过大量的测试,利用测试数据从而完善设计和研制;然而在江河湖海等水域中的测试,尤其是极端环境下的水域测试,成本高、周期长、危险性大,这给水下机器人研制带来了挑战,仿真成为应对这一挑战的可行途径;目前多数的仿真平台对于仿真环境的设计较为简单,缺乏在保证模拟真实性的条件下构建大型复杂场景的能力。为了解决仿真平台环境建模能力的不足,提高仿真效果的可视化程度,文章采用虚幻引擎(UE)、AirSim和分布式仿真算法平台(DASP)相结合的方案,设计并实现了一种应用于水下机器人的动态交互仿真平台,利用该平台对仿生机器鱼轨迹跟踪进行了LQR控制测试;仿真结果表明该仿真平台在交互性、真实性、可视化和仿真效果等方面表现出较强的优势。

Camera Independent Motion Deblurring in Videos Using Machine Learning

In this paper, we will be looking at our efforts to find a novel solution for motion deblurring in videos. In addition, our solution has the requirement of being camera-independent. This means that the solution is fully implemented in software and is not aware of any of the characteristics of the camera. We found a solution by implementing a Convolutional Neural Network-Long Short Term Memory (CNN-LSTM) hybrid model. Our CNN-LSTM is able to deblur video without any knowledge of the camera hardware. This allows it to be implemented on any system that allows the camera to be swapped out with any camera model with any physical characteristics.

面向强化学习决策的自动驾驶仿真平台

为了研究不同强化学习算法对自动驾驶决策过程的影响,文章基于UE5和Airsim设计了自动驾驶仿真平台。在服务器端对城市环境进行了高仿真的模拟,开放了天气系统、对行人和车辆的交通系统实现了可定制的模拟,并设计了多个面向强化学习测试的情景模块,覆盖了路径规划、避障、跟随等常见决策目标。在客户端用python实现了通信的接口,标准化了任务目标、状态和动作空间,简化了训练流程。仿真平台为自动驾驶算法的训练和验证,提供了一种既有通用性,又低复杂度的实现方案。

基于虚拟校园的自动驾驶仿真测试平台设计与实现

针对自动驾驶中实车道路测试成本高、场景局限性大等问题,围绕校园特殊场景下自动驾驶训练的需求,提出并实现了一种基于校园环境的自动驾驶虚拟仿真测试平台设计方案。采用基于无人机倾斜摄影的三维重建技术搭建出校园建筑物模型;基于虚幻引擎进行平台场景搭建;基于像素流送技术开发了轻量级Web客户端;基于AirSim开发了机器学习训练接口。设计了两项模拟实验,经过测试,系统能够平稳运行,实现了直观、方便地进行自动驾驶仿真测试的目的,具有较强的实践价值。